全国大中专教材网络采选系统

推荐纸质教材推荐数字资源

端边云协同分布式机器学习优化方法

定价：￥98.00

作者：詹玉峰，魏蓝，夏元清

出版时间：2026-02

出版社：科学出版社

以下为《端边云协同分布式机器学习优化方法》的配套数字资源，这些资源在您购买图书后将免费附送给您：

关闭

基本信息评价

出版社：科学出版社
ISBN：9787030847157
版次：1版
开本：B5
出版时间：2026-02

作者简介

2008.09-2012.06，安徽建筑大学，网络工程，学士
2012.09-2014.06，北京理工大学，控制工程，硕士
2014.09-2018.06，北京理工大学，自动化学院，博士2018.12-2020.01，香港理工大学，电子计算学系，博士后
2021.05-2023.11，北京理工大学，自动化学院，副研究员
2023.12-至今，北京理工大学，自动化学院，研究员发表SCI期刊论文51 篇和CCF A/B类会议论文10篇，其中中科院TOP/IEEE 期刊/ CCF A 类会议论文45 篇任职于自主智能无人系统全国重点实验室

查看全部

内容简介

分布式机器学习是当前人工智能领域的重要研究方向，在分布式智能及大规模模型训练等应用场景中具有广泛前景，本书在介绍大模型微调、联邦学习与深度强化学习等相关理论及技术的基础上，重点探讨了端边云协同分布式机器学习的算法设计与优化问题。全书共7章，主要内容包括研究背景意义及相关理论基础、面向系统异构和统计异构的联邦训练优化方法、面向异构系统的端边云联邦学习优化方法、基于提示学习的分布外泛化优化算法、面向分布式大模型微调的智能优化算法、保障联邦训练可持续的激励机制设计方法。