Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Handbook on Federated Learning
  • Produktbild: Handbook on Federated Learning

Handbook on Federated Learning Advances, Applications and Opportunities

Fr. 239.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

15.12.2023

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Tabellen, schwarz-weiss

Herausgeber

Saravanan Krishnan + weitere

Verlag

Taylor & Francis

Seitenzahl

356

Maße (L/B/H)

24/16.1/2.4 cm

Gewicht

830 g

Sprache

Englisch

ISBN

978-1-03-247162-4

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

15.12.2023

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Tabellen, schwarz-weiss

Herausgeber

Verlag

Taylor & Francis

Seitenzahl

356

Maße (L/B/H)

24/16.1/2.4 cm

Gewicht

830 g

Sprache

Englisch

ISBN

978-1-03-247162-4

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
Die Leseprobe wird geladen.
  • Produktbild: Handbook on Federated Learning
  • Produktbild: Handbook on Federated Learning

  • Introduction to Federated Learning: Methods, and Classifications. Go Local, Go Global and Go Fusion - How to pick data from various contexts. Federated Learning Architectures, Opportunities, and Applications. Secure and Private Federated Learning through Encrypted Parameter Aggregation. Navigating Privacy Concerns in Federated Learning: A GDPR-Focused Analysis. A Federated Learning Approach for Resource-Constrained IoT Security Monitoring. Efficient Federated Learning Techniques for Data Loss Prevention in Cloud Environment. Maximizing Fog Computing Efficiency with Federated Multi-Agent Deep Reinforcement Learning. Future of Medical Research with a data-driven Federated Learning Approach. Collaborative Federated Learning in Healthcare Systems. Federated Learning for Efficient Cardiac Disease Prediction based on Hyper Spectral Feature Selection using Deep Spectral Convolution Neural Network. A Federated Learning based Alzheimer's Disease Prediction. Detecting Device Sensors of Luxury Hotel Using Blockchain Based Federated Learning to Increase Customer Satisfaction. Navigating the Complexity of Macro-Tasks: Federated Learning as a Catalyst for Effective Crowd Coordination. Stock Market Prediction via Twitter Sentiment Analysis using BERT: A Federated Learning Approach.