[1]杨强.联邦学习:人工智能的最后一公里[J].智能系统学报,2020,15(1):183-186.[doi:10.11992/tis.202005036]
 YANG Qiang.Federated learning: the last on kilometer of artificial intelligence[J].CAAI Transactions on Intelligent Systems,2020,15(1):183-186.[doi:10.11992/tis.202005036]
点击复制

联邦学习:人工智能的最后一公里(/HTML)
分享到:

《智能系统学报》[ISSN:1673-4785/CN:23-1538/TP]

卷:
第15卷
期数:
2020年1期
页码:
183-186
栏目:
洞见与碰撞
出版日期:
2020-01-01

文章信息/Info

Title:
Federated learning: the last on kilometer of artificial intelligence
作者:
杨强12
1. 深圳前海微众银行, 广东 深圳, 518000;
2. 香港科技大学 计算机科学和工程学系, 香港
Author(s):
YANG Qiang12
DOI:
10.11992/tis.202005036

备注/Memo

备注/Memo:
作者简介:杨强,教授,美国马里兰大学计算机系博士和北京大学天体物理专业博士,主要研究方向为人工智能: 迁移学习、联邦学习、机器学习、数据挖掘和自动规划,现担任微众银行首席人工智能官(CAIO),为AAAI,ACM,IEEE 和AAAS等国际学会的Fellow,曾任香港科技大学新明工程学讲席教授、计算机科学和工程学系主任和华为诺亚方舟实验室主任。他是国际人工智能界“迁移学习”和“联邦学习”技术的领军人物,于2017年当选为国际人工智能联合会(IJCAI,国际人工智能领域创立最早的顶级国际会议)理事会主席,是第一位担任IJCAI理事会主席的华人科学家
更新日期/Last Update: 1900-01-01