Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
FedMAX: Mitigating Activation Divergence for Accurate and Communication-Efficient Federated Learning
2021·29 Zitationen·Lecture notes in computer science
Volltext beim Verlag öffnen29
Zitationen
3
Autoren
2021
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
k-ANONYMITY: A MODEL FOR PROTECTING PRIVACY
2002 · 8.402 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.897 Zit.
Deep Learning with Differential Privacy
2016 · 5.629 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.595 Zit.
Federated Machine Learning
2019 · 5.585 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataCOVID-19 diagnosis using AIArtificial Intelligence in Healthcare and Education