Publication

Understanding Deep Neural Networks using Adversarial Attacks

Publications associées (60)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Understanding Deep Neural Networks using Adversarial Attacks

Graph Chatbot

Chattez avec Graph Search

Infusing structured knowledge priors in neural models for sample-efficient symbolic reasoning

Sparse autoregressive neural networks for classical spin systems

ProGAP: Progressive Graph Neural Networks with Differential Privacy Guarantees

Deep Learning Generalization with Limited and Noisy Labels

Fundamental Limits in Statistical Learning Problems: Block Models and Neural Networks

Breaking the Curse of Dimensionality in Deep Neural Networks by Learning Invariant Representations

Leveraging Unlabeled Data to Track Memorization

Adversarial Training Should Be Cast As a Non-Zero-Sum Game

BLACK-BOX ATTACKS ON IMAGE ACTIVITY PREDICTION AND ITS NATURAL LANGUAGE EXPLANATIONS

Fixing the problems of deep neural networks will require better training data and learning algorithms