Privacy-Preserving Vertical Federated Learning via Adaptive Noise-Intensity Regulation for Embodied Intelligence
0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Privacy-Preserving Vertical Federated Learning via Adaptive Noise-Intensity Regulation for Embodied Intelligence
- Date Crossref
- 01/01/2026
- Éditeur
- Institute of Electrical and Electronics Engineers (IEEE)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Minzu University of China pays non établi dans la noticeUniversité ou école supérieure
-
Hebei Normal University pays non établi dans la noticeUniversité ou école supérieure
-
Chinese Academy of Sciences pays non établi dans la noticeOrganisme public
-
Beijing Jiaotong University pays non établi dans la noticeUniversité ou école supérieure
-
Institute of Automation pays non établi dans la noticeStructure de recherche
Minzu University of China, Hebei Normal University et Chinese Academy of Sciences, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Privacy-Preserving Technologies in DataStochastic Gradient Optimization TechniquesAdversarial Robustness in Machine Learning