Wir verwenden Cookies und Analyse-Tools, um die Nutzerfreundlichkeit der Internet-Seite zu verbessern und für Marketingzwecke. Wenn Sie fortfahren, diese Seite zu verwenden, nehmen wir an, dass Sie damit einverstanden sind. Zur Datenschutzerklärung.
Robustness Analysis of Deep Neural Networks in the Presence of Adversarial Perturbations and Noisy Labels
CHF 46.10
Auf Lager
SKU
P8ICL85MQVA
1 Verfügbar 
Geliefert zwischen Mi., 26.11.2025 und Do., 27.11.2025
Details
In this thesis, we study the robustness and generalization properties of Deep Neural Networks (DNNs) under various noisy regimes, due to corrupted inputs or labels. Such corruptions can be either random or intentionally crafted to disturb the target DNN. Inputs corrupted by maliciously designed perturbations are known as adversarial examples and have been shown to severely degrade the performance of DNNs. However, due to the non-linearity of DNNs, crafting such perturbations is non-trivial. [...]
Weitere Informationen
- Allgemeine Informationen
- GTIN 09783863598020
- Sprache Englisch
- Genre Allgemeines & Lexika
- Lesemotiv Verstehen
- Größe H219mm x B10mm x T158mm
- Jahr 2020
- EAN 9783863598020
- Format Fachbuch
- ISBN 978-3-86359-802-0
- Titel Robustness Analysis of Deep Neural Networks in the Presence of Adversarial Perturbations and Noisy Labels
- Autor Emilio Balda
- Gewicht 258g
- Herausgeber Apprimus Wissenschaftsver
- Anzahl Seiten 134
Bewertungen
Schreiben Sie eine Bewertung
