Robust fully distributed minibatch gradient descent with privacy preservation

QR kód

Robust fully distributed minibatch gradient descent with privacy preservation

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Danner Gábor Berta Árpád Hegedűs István Jelasity Márk
Dokumentumtípus:	Cikk
Megjelent:	2018
Sorozat:	SECURITY AND COMMUNICATION NETWORKS 2018
doi:	10.1155/2018/6728020
mtmt:	3371542
Online Access:	http://publicatio.bibl.u-szeged.hu/13375

Hasonló tételek

Fully Distributed Privacy Preserving Mini-batch Gradient Descent Learning
Szerző: Danner Gábor, et al.
Megjelent: (2015)

Robust Decentralized Differentially Private Stochastic Gradient Descent
Szerző: Hegedűs István, et al.
Megjelent: (2016)

Distributed Differentially Private Stochastic Gradient Descent An Empirical Study /
Szerző: Hegedűs István, et al.
Megjelent: (2016)

Fully Distributed Robust Singular Value Decomposition
Szerző: Hegedűs István, et al.
Megjelent: (2014)

Asynchronous peer-to-peer data mining with stochastic gradient descent
Szerző: Ormándi Róbert, et al.
Megjelent: (2011)

Robust Classification Combined with Robust out-of-Distribution Detection An Empirical Analysis /
Szerző: Megyeri István, et al.
Megjelent: (2021)

Discrete tomographic reconstruction via adaptive weighting of gradient descents
Szerző: Varga László, et al.
Megjelent: (2015)

Building a Secure and Privacy-Preserving Smart Grid
Szerző: Birman Ken, et al.
Megjelent: (2015)

Gossip learning with linear models on fully distributed data
Szerző: Ormándi Róbert, et al.
Megjelent: (2013)

Overlay management for fully distributed user-based collaborative filtering
Szerző: Ormándi Róbert, et al.
Megjelent: (2010)

A scalable and robust framework for distributed applications
Szerző: Jelasity Márk, et al.
Megjelent: (2002)

Asynchronous privacy-preserving iterative computation on peer-to-peer networks
Szerző: Naranjo J. A. M., et al.
Megjelent: (2012)

Distributional Differential Privacy for Large-Scale Smart Metering
Szerző: Jelasity Márk, et al.
Megjelent: (2014)

Gossip-based learning under drifting concepts in fully distributed networks
Szerző: Hegedűs István, et al.
Megjelent: (2012)

On obtaining global information in a peer-to-peer fully distributed environment
Szerző: Jelasity Márk, et al.
Megjelent: (2002)

Robust decentralized mean estimation with limited communication
Szerző: Danner Gábor, et al.
Megjelent: (2018)

Maintaining connectivity in a scalable and robust distributed environment
Szerző: Jelasity Márk, et al.
Megjelent: (2002)

Gossip-Based Machine Learning in Fully Distributed Environments
Szerző: Hegedűs István
Megjelent: (2017)

Towards data mining in large and fully distributed peer-to-peer overlay networks
Szerző: Kowalczyk Wojtek, et al.
Megjelent: (2003)

On the Functional Similarity of Robust and Non-Robust Neural Representations
Szerző: Balogh András, et al.
Megjelent: (2023)

Adaptive Gradient-Descent Extended Kalman Filter for Pose Estimation of Mobile Robots with Sparse Reference Signals
Szerző: Odry Ákos, et al.
Megjelent: (2022)

Characterizing fully principal congruence representable distributive lattices
Szerző: Czédli Gábor
Megjelent: (2018)

Adversarial robustness of linear models regularization and dimensionality /
Szerző: Megyeri István, et al.
Megjelent: (2019)

Adversarial Robustness of Model Sets
Szerző: Megyeri István, et al.
Megjelent: (2020)

A fully distributed Lagrangean metaheuristic for a P2P overlay network design problem
Szerző: Boschetti Marco, et al.
Megjelent: (2005)

Integrating Blockchain and Fog Computing Technologies for Efficient Privacy-preserving Systems
Szerző: Baniata Hamza
Megjelent: (2023)

What is Privacy? The History and Definition of Privacy
Szerző: Lukács Adrienn
Megjelent: (2016)

Robust Decentralized Low-Rank Matrix Decomposition
Szerző: Hegedűs István, et al.
Megjelent: (2016)

Robust aggregation protocols for large-scale overlay networks
Szerző: Montresor Alberto, et al.
Megjelent: (2004)

A Privacy Preserving Model for Fog-enabled MCC systems using 5G Connection
Szerző: Baniata Hamza, et al.
Megjelent: (2020)

A robust and scalable peer-to-peer gossiping protocol
Szerző: Voulgaris Spyros, et al.
Megjelent: (2004)

Evaluating the Adversarial Robustness of Semantic Segmentation Trying Harder Pays Off /
Szerző: Halmosi Levente, et al.
Megjelent: (2025)

Privacy at work the regulation of camera surveillance in Hungarian labour law /
Szerző: Lukács Adrienn
Megjelent: (2017)

Privacy and the Employment relationship in Hungary
Szerző: Hajdú József, et al.
Megjelent: (2022)

The ongoing decline of the value of privacy
Szerző: Verteş-Olteanu Andreea
Megjelent: (2020)

Distribution of plant nutrients in the seeds and shoots of Chenopodium rubrum L. var. pusillum Hausskn. along an environmental gradient
Szerző: Bagi István, et al.
Megjelent: (1999)

Robustness testing of milling process, analyzing the particle size distribution and crystallinity of the milled samples
Szerző: Bartos Csaba, et al.
Megjelent: (2020)

Gossip-based Protocols for Large-scale Distributed Systems
Szerző: Jelasity Márk
Megjelent: (2013)

Large- and Small-Scale Environmental Factors Drive Distributions of Ant Mound Size Across a Latitudinal Gradient
Szerző: Juhász Orsolya, et al.
Megjelent: (2020)

Multi-D Kneser-Ney Smoothing Preserving the Original Marginal Distributions
Szerző: Dobó András
Megjelent: (2018)