| 标题 |
  Reconciling privacy and utility: an unscented Kalman filter-based framework for differentially private machine learning 协调隐私和效用：一种基于无迹卡尔曼滤波器的差分私有机器学习框架
相关领域
差别隐私
计算机科学
卡尔曼滤波器
实施
推论
信息隐私
约束（计算机辅助设计）
机器学习
数据挖掘
人工智能
计算机安全
工程类
机械工程
程序设计语言
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Machine Learning 作者：Kunsheng Tang; Ping Li; Yide Song; Tian Luo 出版日期：2022-12-07 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
yjh123
无极微光
忧郁翠彤
Kao
Nexus
Copyright
潇洒的惋清
cdercder
phdchem
xjcy
烟消云散
Criminology34
GingerF
OK
烂漫的碧玉
疯狂加载ing
xyz
Au_
Avalonx
Yangyang
皖公网安备34019202002308
