دانلود کتاب Domain Adaptation and Representation Transfer, and Distributed and Collaborative Learning: Second MICCAI Workshop, DART 2020, and First MICCAI Workshop, DCL 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings
کتاب تطبیق دامنه و انتقال نمایندگی، و یادگیری توزیع شده و مشارکتی: دومین کارگاه MICCAI، DART 2020، و اولین کارگاه MICCAI، DCL 2020، که در ارتباط با MICCAI 2020، لیما، پرو، 4 تا 8 اکتبر 2020 برگزار شد. نسخه زبان اصلی
دانلود کتاب تطبیق دامنه و انتقال نمایندگی، و یادگیری توزیع شده و مشارکتی: دومین کارگاه MICCAI، DART 2020، و اولین کارگاه MICCAI، DCL 2020، که در ارتباط با MICCAI 2020، لیما، پرو، 4 تا 8 اکتبر 2020 برگزار شد. بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Domain Adaptation and Representation Transfer, and Distributed and Collaborative Learning: Second MICCAI Workshop, DART 2020, and First MICCAI Workshop, DCL 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings
نام کتاب : Domain Adaptation and Representation Transfer, and Distributed and Collaborative Learning: Second MICCAI Workshop, DART 2020, and First MICCAI Workshop, DCL 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : تطبیق دامنه و انتقال نمایندگی، و یادگیری توزیع شده و مشارکتی: دومین کارگاه MICCAI، DART 2020، و اولین کارگاه MICCAI، DCL 2020، که در ارتباط با MICCAI 2020، لیما، پرو، 4 تا 8 اکتبر 2020 برگزار شد.
سری : Lecture Notes in Computer Science 12444
نویسندگان : Shadi Albarqouni, Spyridon Bakas, Konstantinos Kamnitsas, M. Jorge Cardoso, Bennett Landman, Wenqi Li, Fausto Milletari, Nicola Rieke, Holger Roth, Daguang Xu, Ziyue Xu
ناشر : Springer International Publishing;Springer
سال نشر : 2020
تعداد صفحات : 224
ISBN (شابک) : 9783030605476 , 9783030605483
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 27 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب مجموعه مقالات داوری دومین کارگاه آموزشی MICCAI در مورد انطباق دامنه و انتقال نمایندگی، DART 2020، و اولین کارگاه آموزشی MICCAI در مورد یادگیری توزیع شده و مشارکتی، DCL 2020 است که در ارتباط با MICCAI 2020 در اکتبر برگزار شد. این کنفرانس قرار بود در لیما، پرو برگزار شود، اما به دلیل همه‌گیری ویروس کرونا به قالب آنلاین تغییر یافت.
برای DART 2020، 12 مقاله کامل از 18 مورد ارسالی پذیرفته شد. آنها با پیشرفت‌های روش‌شناختی و ایده‌هایی سروکار دارند که می‌توانند کاربرد رویکردهای یادگیری ماشینی (ML)/یادگیری عمیق (DL) را در تنظیمات بالینی با قوی‌تر کردن و سازگار کردن آنها در حوزه‌های مختلف بهبود بخشند.
برای DCL 2020، 8 مقاله موجود در این کتاب از مجموع 12 مقاله ارسالی پذیرفته شد. آنها بر مقایسه، ارزیابی و بحث در مورد پیشرفت روش‌شناختی و ایده‌های عملی در مورد یادگیری ماشینی که برای مشکلاتی که داده‌ها را نمی‌توان در پایگاه‌های داده متمرکز ذخیره کرد، به کار می‌رود، تمرکز دارند. جایی که حریم خصوصی اطلاعات در اولویت است. در مواردی که لازم است ضمانت‌های قوی در مورد میزان و ماهیت اطلاعات خصوصی ارائه شود که ممکن است توسط مدل در نتیجه آموزش فاش شود. و در جاهایی که لازم است دسته‌هایی از گره‌هایی که در یک کار آموزشی شرکت می‌کنند، هماهنگ، مدیریت و هدایت شوند.
توضیحاتی در مورد کتاب به زبان اصلی :
This book constitutes the refereed proceedings of the Second MICCAI Workshop on Domain Adaptation and Representation Transfer, DART 2020, and the First MICCAI Workshop on Distributed and Collaborative Learning, DCL 2020, held in conjunction with MICCAI 2020 in October 2020. The conference was planned to take place in Lima, Peru, but changed to an online format due to the Coronavirus pandemic.
For DART 2020, 12 full papers were accepted from 18 submissions. They deal with methodological advancements and ideas that can improve the applicability of machine learning (ML)/deep learning (DL) approaches to clinical settings by making them robust and consistent across different domains.
For DCL 2020, the 8 papers included in this book were accepted from a total of 12 submissions. They focus on the comparison, evaluation and discussion of methodological advancement and practical ideas about machine learning applied to problems where data cannot be stored in centralized databases; where information privacy is a priority; where it is necessary to deliver strong guarantees on the amount and nature of private information that may be revealed by the model as a result of training; and where it's necessary to orchestrate, manage and direct clusters of nodes participating in the same learning task.
پست ها تصادفی