Резултати

еНаука >  Резултати >  Privacy-Preserving Deep Learning: A Survey on Theoretical Foundations, Software Frameworks, and Hardware Accelerators
Назив: Privacy-Preserving Deep Learning: A Survey on Theoretical Foundations, Software Frameworks, and Hardware Accelerators
Аутори: Jahns, Eric; Stojkov, Milan; Kinsy, Michel A
Година: 2025
Публикација: IEEE ACCESS
ISSN: 2169-3536 IEEE Access Претражи идентификатор
Тип резултата: Научни чланак
Колација: vol. 13 str. 67821-67855
DOI: 10.1109/ACCESS.2025.3561721
WoS-ID: 001473151800042
Scopus-ID: 2-s2.0-105003697658
URI: https://enauka.gov.rs/handle/123456789/980733
Пројекат: Department of Defense Scalable Asymmetric Lifecycle Engagement (SCALE) program
Извор метаподатака: (Preuzeto iz Nasi u WoS)
М-категорија: 
21M21 - Водећи међународни часопис категорије M21

3
SCOPUSTM
3
WEB OF SCIENCETM
Алт метрика
Dimensions
Unpaywall

Резултати на еНаука су заштићени ауторским правима и сва права су задржана, осим ако није другачије назначено.