| |
|<
<< Page précédente
1
Page suivante >>
>|
|
documents par page
|
Attention : l'accès aux ressources peut être restreint, soit pour des raisons juridiques, soit par la volonté de l'auteur.
|
Tri :
Date de référencement
Editeur
Auteur
Titre
|
Efficient and privacy-preserving compressive learning
Date de publication :
19-11-2020 |
Auteur(s) :
Chatalic Antoine |
Editeur(s) :
Universite de Rennes 1 |
Origine de la fiche :
Université de Rennes 1
Ce travail de thèse, qui se situe à l'interface entre traitement du signal, informatique et statistiques, vise à l'élaboration de méthodes d'apprentissage automatique à grande échelle et de garanties théoriques associées. Il s'intéresse en particulier à l'apprentissage compressif, un paradigme dans lequel le jeu de données est compressé en un unique vecteur de moments généralisés aléatoires, appel...
Référencé le :
07-01-2021
|
|
|
|
|<
<< Page précédente
1
Page suivante >>
>|
|
documents par page
|
