• Produktbild: Federated Learning
  • Produktbild: Federated Learning
Band 12500

Federated Learning Privacy and Incentive

82,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.11.2020

Herausgeber

Qiang Yang + weitere

Verlag

Springer

Seitenzahl

286

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

452 g

Auflage

1st ed. 2020

Sprache

Englisch

ISBN

978-3-030-63075-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.11.2020

Herausgeber

Verlag

Springer

Seitenzahl

286

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

452 g

Auflage

1st ed. 2020

Sprache

Englisch

ISBN

978-3-030-63075-1

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Federated Learning
  • Produktbild: Federated Learning
  • Privacy.- Threats to Federated Learning.- Rethinking Gradients Safety in Federated Learning.- Rethinking Privacy Preserving Deep Learning: How to Evaluate and Thwart Privacy Attacks.- Task-Agnostic Privacy-Preserving Representation Learning via Federated Learning.- Large-Scale Kernel Method for Vertical Federated Learning.- Towards Byzantine-resilient Federated Learning via Group-wise Robust Aggregation.- Federated Soft Gradient Boosting Machine for Streaming Data.- Dealing with Label Quality Disparity In Federated Learning.- Incentive.- FedCoin: A Peer-to-Peer Payment System for Federated Learning.- Efficient and Fair Data Valuation for Horizontal Federated Learning.- A Principled Approach to Data Valuation for Federated Learning.- A Gamified Research Tool for Incentive Mechanism Design in Federated Learning.- Budget-bounded Incentives for Federated Learning.- Collaborative Fairness in Federated Learning.- A Game-Theoretic Framework for Incentive Mechanism Design in Federated Learning.- Applications.- Federated Recommendation Systems.- Federated Learning for Open Banking.- Building ICU In-hospital Mortality Prediction Model with Federated Learning.- Privacy-preserving Stacking with Application to Cross-organizational Diabetes Prediction.