Interpretable Machine Learning for Privacy-Preserving Pervasive Systems
Interpretable Machine Learning for Privacy-Preserving Pervasive Systems
复制标题
用于隐私保护普及系统的可解释机器学习
DOI：
10.1109/mprv.2019.2918540
复制
发表时间：
2020
影响因子：
1.6
通讯作者：
Baron B
中科院分区：
文献类型：
--
作者：
Baron B
登录
查看更多内容
用户可控的安全和隐私策略学习
DOI：
--
发表时间：
2008
期刊：
Security and Artificial Intelligence
影响因子：
--
作者：
Patrick Gage Kelley;P. Drielsma;N. Sadeh;L. Cranor
通讯作者：
L. Cranor
为什么和为什么不解释可以提高上下文感知智能系统的可理解性
DOI：
10.1145/1518701.1519023
发表时间：
2009
期刊：
Proceedings of the SIGCHI Conference on Human Factors in Computing Systems
影响因子：
--
作者：
Brian Y. Lim;A. Dey;Daniel Avrahami
通讯作者：
Daniel Avrahami
支持上下文感知应用程序的清晰度的工具包
DOI：
--
发表时间：
2010
期刊：
Ubiquitous Computing
影响因子：
--
作者：
Brian Y. Lim;A. Dey
通讯作者：
A. Dey
影响因子：
16.6
作者：
Acquisti, Alessandro;Adjerid, Idris;Wilson, Shomir
通讯作者：
Wilson, Shomir
DOI：
10.1146/annurev-statistics-010814-020148
发表时间：
2017-01-01
期刊：
ANNUAL REVIEW OF STATISTICS AND ITS APPLICATION, VOL 4
影响因子：
--
作者：
Spiegelhalter, David
通讯作者：
Spiegelhalter, David