KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thalia.at, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
  • Produktbild: Federated Learning
  • Produktbild: Federated Learning
Band 12500

Federated Learning Privacy and Incentive

Aus der Reihe Lecture Notes in Artificial Intelligence

85,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.11.2020

Abbildungen

X, 286 p. 94 illus., 82 illus. in color.

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

Abbildungen

X, 286 p. 94 illus., 82 illus. in color.

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: ProductSafety@springernature.com

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.