Learning Vector Quantization for the Real-World: Privacy, Robustness, and Sparsity

zu Verbundenen Objekten

Standort: Deutsche Nationalbibliothek Frankfurt am Main

Umfang: Online-Ressource

Sprache: Englisch

Anmerkungen: Bielefeld, Universität Bielefeld, Dissertation, 2023

Schlagwort: Maschinelles Lernen
Data Mining

Ereignis: Veröffentlichung

(wo): Bielefeld

(wer): Universitätsbibliothek Bielefeld

(wann): 2023

Urheber: Brinkrolf, Johannes

DOI: 10.4119/unibi/2985339

URN: urn:nbn:de:0070-pub-29853395

Rechteinformation: Der Zugriff auf das Objekt ist unbeschränkt möglich.

Letzte Aktualisierung: 15.08.2025, 07:25 MESZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Original beim Datenpartner anzeigen

Beteiligte

Brinkrolf, Johannes
Universitätsbibliothek Bielefeld

Entstanden

2023

Ähnliche Objekte (12)

Consistency, Robustness and Sparsity for Learning Algorithms

Hochschulschrift

Reconstruction using local sparsity

Certifying Accuracy, Privacy, and Robustness of ML-Based Malware Detection

Sparsity : graphs, structures, and algorithms

Hochschulschrift

Phase Retrieval with Sparsity Constraints

Sparsity for Ultrafast Material Identification

Path integral quantization and stochastic quantization

Revisiting the Privacy Needs of Real-World Applicable Company Benchmarking

Stochastic quantization

Arbeitspapier

Minimax semiparametric learning with approximate sparsity

Hochschulschrift

Geometric compressed sensing and structured sparsity

Consistency, Robustness and Sparsity for Learning Algorithms

Hochschulschrift

Reconstruction using local sparsity

Certifying Accuracy, Privacy, and Robustness of ML-Based Malware Detection

Sparsity : graphs, structures, and algorithms

Hochschulschrift

Phase Retrieval with Sparsity Constraints

Sparsity for Ultrafast Material Identification

Path integral quantization and stochastic quantization

Revisiting the Privacy Needs of Real-World Applicable Company Benchmarking

Stochastic quantization

Arbeitspapier

Minimax semiparametric learning with approximate sparsity

Hochschulschrift

Geometric compressed sensing and structured sparsity

Consistency, Robustness and Sparsity for Learning Algorithms

Hochschulschrift

Reconstruction using local sparsity

Certifying Accuracy, Privacy, and Robustness of ML-Based Malware Detection

Sparsity : graphs, structures, and algorithms

Hochschulschrift

Phase Retrieval with Sparsity Constraints

Sparsity for Ultrafast Material Identification

Path integral quantization and stochastic quantization

Revisiting the Privacy Needs of Real-World Applicable Company Benchmarking

Stochastic quantization

Arbeitspapier

Minimax semiparametric learning with approximate sparsity

Hochschulschrift

Geometric compressed sensing and structured sparsity

Informationen zur Registrierung von Kultur- und Wissenseinrichtungen finden Sie hier.

Felder mit * müssen ausgefüllt werden.

Benutzername*

Bitte geben Sie Ihren Benutzernamen ein

E-Mail*

Bitte geben Sie Ihre E-Mail ein

Bitte füllen Sie dieses Feld nicht aus

Vorname

Nachname

Passwort*

Bitte geben Sie Ihr Passwort ein

Passwort bestätigen*

Bitte geben Sie das gleiche Passwort ein

Ich habe die Nutzungsbedingungen und die Datenschutzerklärung zur Erhebung persönlicher Daten gelesen und stimme ihnen zu. *

Dieses Feld ist ein Pflichtfeld.

Ich möchte den Newsletter der Deutschen Digitalen Bibliothek abonnieren. Siehe Informationen zum Newsletter-Abonnement.

Benutzerkonto angelegt

Ihr „Meine DDB“-Konto wurde erfolgreich angelegt. Bevor Sie sich in Ihrem Konto anmelden können, müssen Sie auf den Bestätigungslink in der Nachricht klicken, die wir gerade an die von Ihnen angegebene E-Mail-Adresse geschickt haben

Learning Vector Quantization for the Real-World: Privacy, Robustness, and Sparsity

Angaben zum Objekt

Klassifikation und Themen

Beteiligte, Orts- und Zeitangaben

Weitere Informationen

Datenpartner

Beteiligte

Entstanden

Ähnliche Objekte (12)

Consistency, Robustness and Sparsity for Learning Algorithms

Reconstruction using local sparsity

Certifying Accuracy, Privacy, and Robustness of ML-Based Malware Detection

Sparsity : graphs, structures, and algorithms

Phase Retrieval with Sparsity Constraints

Sparsity for Ultrafast Material Identification

Path integral quantization and stochastic quantization

Path integral quantization and stochastic quantization

Revisiting the Privacy Needs of Real-World Applicable Company Benchmarking

Stochastic quantization

Minimax semiparametric learning with approximate sparsity

Geometric compressed sensing and structured sparsity

Consistency, Robustness and Sparsity for Learning Algorithms

Reconstruction using local sparsity

Certifying Accuracy, Privacy, and Robustness of ML-Based Malware Detection

Sparsity : graphs, structures, and algorithms

Phase Retrieval with Sparsity Constraints

Sparsity for Ultrafast Material Identification

Path integral quantization and stochastic quantization

Path integral quantization and stochastic quantization

Revisiting the Privacy Needs of Real-World Applicable Company Benchmarking

Stochastic quantization

Minimax semiparametric learning with approximate sparsity

Geometric compressed sensing and structured sparsity

Consistency, Robustness and Sparsity for Learning Algorithms

Reconstruction using local sparsity

Certifying Accuracy, Privacy, and Robustness of ML-Based Malware Detection

Sparsity : graphs, structures, and algorithms

Phase Retrieval with Sparsity Constraints

Sparsity for Ultrafast Material Identification

Path integral quantization and stochastic quantization

Path integral quantization and stochastic quantization

Revisiting the Privacy Needs of Real-World Applicable Company Benchmarking

Stochastic quantization

Minimax semiparametric learning with approximate sparsity

Geometric compressed sensing and structured sparsity

Verbundene Objekte

Passwort zurücksetzen