Добавить в избранное
Форум
Правила сайта "Мир Книг"
Группа в Вконтакте
Подписка на книги
Правообладателям
Найти книгу:
Навигация
Вход на сайт
Регистрация



Реклама



Название: Federated Deep Learning for Healthcare: A Practical Guide with Challenges and Opportunities
Автор: Amandeep Kaur, Chetna Kaushal, Md. Mehedi Hassan, Si Thu Aung
Издательство: CRC Press
Год: 2025
Страниц: 267
Язык: английский
Формат: pdf (true)
Размер: 10.1 MB

This book provides a practical guide to Federated Deep Learning for healthcare including fundamental concepts, framework, and the applications comprising of domain adaptation, model distillation, and transfer learning. It covers concerns in model fairness, data bias, regulatory compliance, and ethical dilemmas. It investigates several privacy-preserving methods like homomorphic encryption, secure multi-party computation, and differential privacy. It will enable readers to build and implement Federated Learning systems that safeguard private medical information. Features:

• Offers a thorough introduction of federated deep learning methods designed exclusively for medical applications.
• Investigates privacy-preserving methods with emphasis on data security and privacy.
• Discusses healthcare scaling and resource efficiency considerations.
• Examines methods for sharing information among various healthcare organizations while retaining model performance.

This book is aimed at graduate students and researchers in Federated Learning, Data Science, AI/Machine Learning, and healthcare.

Скачать Federated Deep Learning for Healthcare: A Practical Guide with Challenges and Opportunities







ОТСУТСТВУЕТ ССЫЛКА/ НЕ РАБОЧАЯ ССЫЛКА ЕСТЬ РЕШЕНИЕ, ПИШИМ СЮДА!







Автор: Ingvar16 29-07-2024, 15:18 | Напечатать |
 
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.





С этой публикацией часто скачивают:

Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.


 MirKnig.Su  ©2024     При использовании материалов библиотеки обязательна обратная активная ссылка    Политика конфиденциальности