学习与迁移学习国际

索数据价值高效连接、流通、应用机制，助力产业基于数据驱动的数智化转型。

作为图计算和联邦学习的交叉学科，图联邦是兼顾数据安全隐私保护以及数据价值流通的利器，蓝象智联在图联邦领域也早有布局。2021年8月21日，数据与隐私保护的联邦学习与迁移学习国际研讨会（FTL-IJCAI’21）在加拿大蒙特利尔举行，蓝象智联发表的论文《Decentralized Federated Graph Neural Networks》入选。论文中，蓝象智联介

posted @   科技zx  阅读(36)  评论(0)  编辑  收藏  举报
相关博文：
· 杭州悦数出席 2023 云栖大会计算巢专场，分享云上最佳实践
· 杭州悦数入选 IDC 《中国数据智能市场生态图谱 V4.0》代表厂商
· 【论文笔记】Federated Machine Learning: Concept and Applications（综述）
· 【五期伍捷威】CCF-A（AAAI'20)Federated Learning for Vision-and-Language Grounding Problems
· [Security] Federated learning
阅读排行：
· 阿里最新开源QwQ-32B，效果媲美deepseek-r1满血版，部署成本又又又降低了！
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决：字节Trae VS Cursor，谁才是开发者新宠？
· 开源Multi-agent AI智能体框架aevatar.ai，欢迎大家贡献代码
· Manus重磅发布：全球首款通用AI代理技术深度解析与实战指南
点击右上角即可分享
微信分享提示
AI IDE Trae