Federacyjne uczenie się dla aplikacji Iot

Oryginalny tytuł:

Federated Learning for Iot Applications

Zawartość książki:

Niniejsza książka przedstawia, w jaki sposób uczenie federacyjne pomaga zrozumieć i uczyć się na podstawie aktywności użytkownika w aplikacjach Internetu rzeczy (IoT), jednocześnie chroniąc jego prywatność. Autorzy najpierw pokazują, w jaki sposób uczenie federacyjne zapewnia unikalny sposób tworzenia spersonalizowanych modeli przy użyciu danych bez naruszania prywatności użytkowników.

Następnie autorzy przedstawiają kompleksowy przegląd najnowszych badań nad federacyjnym uczeniem się, dając czytelnikowi ogólny przegląd tej dziedziny. W książce zbadano również, w jaki sposób spersonalizowana platforma federacyjnego uczenia się jest potrzebna w architekturze brzegowej chmury, a także w architekturze brzegowej sieci bezprzewodowej dla inteligentnych aplikacji IoT. Aby poradzić sobie z kwestiami heterogeniczności w środowiskach IoT, książka bada pojawiające się spersonalizowane metody uczenia federacyjnego, które są w stanie złagodzić negatywne skutki spowodowane heterogenicznością w różnych aspektach.

Książka zawiera studia przypadków rozpoznawania aktywności człowieka w oparciu o IoT, aby zademonstrować skuteczność spersonalizowanego uczenia federacyjnego dla inteligentnych aplikacji IoT, a także wiele narzędzi do projektowania kontrolerów i analizy systemu, w tym sterowanie predykcyjne modelem, liniowe nierówności macierzy, optymalne sterowanie itp. Ta unikalna i kompletna struktura współprojektowania przyniesie korzyści badaczom, absolwentom i inżynierom w dziedzinie teorii sterowania i inżynierii.