Zhao Jingwen et al. Differential Privacy Preservation in Deep Learning: Challenges, Opportunities and Solutions. (2019) IEEE ACCESS 2169-3536 7 48901-48911
[Idézéskapcsolat:28167527]

Rekordtípus
Citation
MTMT azonosító
28167527
Státusz
Nyilvános
Nyilvános
Igen
Aktív cédulák
0
Törölt
Nem
Utolsó módosítás
2019-05-29T10:33:47.024+0000
Létrehozás dátuma
2019-05-15T21:17:43.418+0000
Létrehozó
Bujdosó Gyöngyi (Informatika, VR az oktatásban)
Duplumellenőrzés
2019-05-29T10:33:47.145+0000
Utolsó duplumkeresés
2019-05-29T10:33:47.145+0000
Közlemény
Ovidiu Constantin et al. Comparative study of Google Android, Apple iOS and Microsoft Windows Phone mobile operating systems. (2017) Megjelent: 14th International Conference on Engineering of Modern Electric Systems pp. 154-159
Közlemény MTMT azonosítója
3251581
Kapcsolódó cikk
Zhao Jingwen et al. Differential Privacy Preservation in Deep Learning: Challenges, Opportunities and Solutions. (2019) IEEE ACCESS 2169-3536 7 48901-48911
Idézőközlemény MTMT azonosítója
30678013
Független
Igen
Független OK
Link
/api/citation/28167527
Címke
Zhao Jingwen et al. Differential Privacy Preservation in Deep Learning: Challenges, Opportunities and Solutions. (2019) IEEE ACCESS 2169-3536 7 48901-48911
2020-08-14 18:59