MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Privacy-Preserving Technologies in Data
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 809 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 809 travaux dans la cohorte · sur 4 299 418page 16 sur 37

Les étiquettes couvrent 7 des 1 809 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 809 des 1 809 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Federated Learning Game in IoT Edge Computing
Stéphane Durand, Kinda Khawam, Dominique Quadri, Samer Lahoud, Steven W. Martin
2024· article· en· IEEE Access· Computer Science
prédiction distillée:candidate · scholarly_communication+open_scienceconsensus · open_science
7
citations
affnon étiqueté
SQL Privacy Model for Social Networks
Maryam Majedi, Kambiz Ghazinour, Amir H. Chinaei, Ken Barker
2009· article· en· Computer Science
prédiction distillée:candidate · open_scienceconsensus · open_science
7
citations
affnon étiqueté
Reconstruction Privacy: Enabling Statistical Learning
Ke Wang, Chao Han, Ada Wai-Chee Fu, Raymond Chi-Wing Wong, Philip S. Yu
2015· article· en· Institutional Knowledge (InK) - Institutional Knowledge at Singapore Management University (Singapore Management University)· Computer Science
prédiction distillée:candidate · metaepi_narrow+sts+open_science+insufficient_payloadconsensus · open_science
7
citations
affnon étiqueté
Privacy-Preserving Federated Recurrent Neural Networks
Sinem Sav, Abdulrahman Diaa, Apostolos Pyrgelis, Jean-Philippe Bossuat, Jean‐Pierre Hubaux
2023· article· en· Proceedings on Privacy Enhancing Technologies· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrow+scholarly_communication+open_scienceconsensus · open_science
7
citations
fundno affnon étiqueté
Federated Edge Learning : Design Issues and Challenges
Afaf Taïk, Soumaya Cherkaoui
2020· preprint· en· arXiv (Cornell University)· Computer Science
prédiction distillée:candidate · metaepi_narrow+open_scienceconsensus · open_science
7
citations
affsans résuménon étiqueté
Utility Enhancement for Privacy Preserving Health Data Publishing
Lengdong Wu, Hua He, Osmar R. Zai͏̈ane
2013· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrow+scholarly_communication+open_scienceconsensus · open_science
7
citations
affaboutnon étiqueté
Designing Data Governance for Data Sharing
Teresa Scassa
2020· article· en· Technology and Regulation· Computer Science
prédiction distillée:candidate · metaresearch+open_scienceconsensus · open_science
7
citations
affnon étiqueté
Locally Private Hypothesis Selection
Sivakanth Gopi, Gautam Kamath, Janardhan Kulkarni, Aleksandar Nikolov, Zhiwei Steven Wu, Huanyu Zhang
2020· article· en· Conference on Learning Theory· Computer Science
prédiction distillée:candidate · metaresearch+open_scienceconsensus · open_science
6
citations
affsans résuménon étiqueté
Attesting Distributional Properties of Training Data for Machine Learning
Vasisht Duddu, Anudeep Das, Nora Khayata, Hossein Yalame, Thomas Schneider, N. Asokan
2024· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrow+open_scienceconsensus · open_science
6
citations
affnon étiqueté
Convergence-Privacy-Fairness Trade-Off in Personalized Federated Learning
Xiaofang Zhao, Qimei Cui, Weicai Li, Wei Ni, Ekram Hossain, Quan Z. Sheng +2 autres
2025· article· en· IEEE Transactions on Machine Learning in Communications and Networking· Computer Science
prédiction distillée:candidate · metaepi_narrow+open_scienceconsensus · aucune
6
citations
affnon étiqueté
Federated Learning for the Metaverse: A Short Survey
Gokul Yenduri, Dasaradharami Reddy Kandati, Gautam Srivastava, Y. Supriya, M. Ramalingam, Thippa Reddy Gadekallu +1 autres
2023· article· en· Computer Science
prédiction distillée:candidate · metaresearch+open_scienceconsensus · open_science
6
citations

En coulisses: Sélection · Constats · À propos