 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Khaled, K., Dhaouadi, M., De Magalhaes, F. G., & Nicolescu, G. (décembre 2023). Efficient defense against model stealing attacks on convolutional neural networks [Communication écrite]. International Conference on Machine Learning and Applications (ICMLA 2023), Jacksonville, FL, USA. Lien externe
Khaled, K., Nicolescu, G., & Göhring de Magalhães, F. (août 2022). Careful what you wish for: On the extraction of adversarially trained models [Communication écrite]. 19th Annual International Conference on Privacy, Security and Trust (PST 2022), Fredericton, NB, Canada (10 pages). Lien externe
Sreemathy Raj, A., Tenison, I., Khaled, K., Gohring de Magalhaes, F., & Nicolescu, G. (novembre 2022). FedSHIBU : federated similarity-based head independent body update [Affiche]. International Workshop on Federated Learning : Recent Advances and New Challenges (FL 2022), New Orleans, LA, USA. Lien externe
