Publication

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

Publications associées (61)

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

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

Graph Chatbot

Chattez avec Graph Search

Block-Sparse Adversarial Attack To Fool Transformer-Based Text Classifiers

On Smoothed Explanations: Quality and Robustness

Controlling the Complexity and Lipschitz Constant improves Polynomial Nets

Adversarial Robustness by Design Through Analog Computing And Synthetic Gradients

An Analysis of Super-Net Heuristics in Weight-Sharing NAS

Sparse-RS: A Versatile Framework for Query-Efficient Sparse Black-Box Adversarial Attacks

Loss landscape and symmetries in Neural Networks

Watermarking-based Defense against Adversarial Attacks on Deep Neural Networks

Determining 1D fast-ion velocity distribution functions from ion cyclotron emission data using deep neural networks

POSEIDON: Privacy-Preserving Federated Neural Network Learning