Gutscheinbedingungen

*Gültig bis 07.06.2026 auf (fast) alles. Ausgeschlossen sind Smartboxen, Zeitschriften, Tickets, Lebensmittel, Gaming-Elektroartikel, Tinte/Toner, Gutscheine, Geschenkkarten, Blumen und Abos | Einlösbar in allen Buchhandlungen von Orell Füssli, Barth Bücher, Buchladen Rapunzel, Schuler Orell Füssli, Stauffacher und ZAP unter Vorweisung des Gutscheins, auf www.orellfüssli.ch durch Eingabe des Gutscheincodes. Beim Service „eBooks verschenken“ und bei eBook-Käufen via eReader nicht einlösbar | Mindesteinkaufswert: Fr. 100.- | Nicht mit anderen Rabatten kumulierbar.

Produktbild: Federated and Transfer Learning
Band 27

Federated and Transfer Learning

Fr. 201.00

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

02.10.2023

Herausgeber

Roozbeh Razavi-Far + weitere

Verlag

Springer

Seitenzahl

371

Maße (L/B/H)

23.5/15.5/2.1 cm

Gewicht

575 g

Auflage

1st ed. 2023

Sprache

Englisch

ISBN

978-3-031-11750-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

02.10.2023

Herausgeber

Verlag

Springer

Seitenzahl

371

Maße (L/B/H)

23.5/15.5/2.1 cm

Gewicht

575 g

Auflage

1st ed. 2023

Sprache

Englisch

ISBN

978-3-031-11750-3

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

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

  • Produktbild: Federated and Transfer Learning
  • An Introduction to Federated and Transfer Learning.- Federated Learning for Resource-Constrained IoT Devices: Panoramas and State of the Art.- Federated and Transfer Learning: A Survey on Adversaries and Defense Mechanisms.- Cross-silo Federated Neural Architecture Search for Heterogeneous and Cooperative Systems.- A Unifying Framework for Federated Learning.- A Contract Theory based Incentive Mechanism for Federated Learning.- A Study of Blockchain-based Federated Learning.- Swarm Meta Learning.- Rethinking Importance Weighting for Transfer Learning.- Transfer Learning via Representation Learning.- Modeling Individual Humans via a Secondary Task Transfer Learning Method.- From Theoretical to Practical Transfer Learning: The Adapt Library.- Lyapunov Robust Constrained-MDPs for Sim2Real Transfer Learning.- A Study on Efficient Reinforcement Learning Through Knowledge Transfer.- Federated Transfer Reinforcement Learning for Autonomous Driving.