Buchumschlag

Hyper-parameter Tuning for Adversarially Robust Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mendes, Pedro, Romano, Paolo, Garlan, David
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty Estimation by Human Perception versus Neural Models
von: Mendes, Pedro, et al.
Veröffentlicht: (2025)

CLUE: Neural Networks Calibration via Learning Uncertainty-Error alignment
von: Mendes, Pedro, et al.
Veröffentlicht: (2025)

Error-Driven Uncertainty Aware Training
von: Mendes, Pedro, et al.
Veröffentlicht: (2024)

Revisiting Differentially Private Hyper-parameter Tuning
von: Xiang, Zihang, et al.
Veröffentlicht: (2024)

Provably Data-driven Multiple Hyper-parameter Tuning with Structured Loss Function
von: Le, Tung Quoc, et al.
Veröffentlicht: (2026)

Hyper-parameter Tuning for Fair Classification without Sensitive Attribute Access
von: Veldanda, Akshaj Kumar, et al.
Veröffentlicht: (2023)

HGCN(O): A Self-Tuning GCN HyperModel Toolkit for Outcome Prediction in Event-Sequence Data
von: Wang, Fang, et al.
Veröffentlicht: (2025)

Robust Graph Fine-Tuning with Adversarial Graph Prompting
von: Zhang, Ziyan, et al.
Veröffentlicht: (2026)

Optimization Hyper-parameter Laws for Large Language Models
von: Xie, Xingyu, et al.
Veröffentlicht: (2024)

Comprehensive Attribute Encoding and Dynamic LSTM HyperModels for Outcome Oriented Predictive Business Process Monitoring
von: Wang, Fang, et al.
Veröffentlicht: (2025)

Sequential Large Language Model-Based Hyper-parameter Optimization
von: Mahammadli, Kanan, et al.
Veröffentlicht: (2024)

Hyper: Hyperparameter Robust Efficient Exploration in Reinforcement Learning
von: Wang, Yiran, et al.
Veröffentlicht: (2024)

Enhancing Speech Emotion Recognition via Fine-Tuning Pre-Trained Models and Hyper-Parameter Optimisation
von: Golbaghi, Aryan, et al.
Veröffentlicht: (2025)

Robust Conformal Prediction Using Privileged Information
von: Feldman, Shai, et al.
Veröffentlicht: (2024)

Self-Generative Adversarial Fine-Tuning for Large Language Models
von: Wu, Shiguang, et al.
Veröffentlicht: (2026)

HyperMM : Robust Multimodal Learning with Varying-sized Inputs
von: Chaptoukaev, Hava, et al.
Veröffentlicht: (2024)

Lorica: A Synergistic Fine-Tuning Framework for Advancing Personalized Adversarial Robustness
von: Qi, Tianyu, et al.
Veröffentlicht: (2025)

Robust CLIP: Unsupervised Adversarial Fine-Tuning of Vision Embeddings for Robust Large Vision-Language Models
von: Schlarmann, Christian, et al.
Veröffentlicht: (2024)

Hyper-Transforming Latent Diffusion Models
von: Peis, Ignacio, et al.
Veröffentlicht: (2025)

Few-Shot Adversarial Low-Rank Fine-Tuning of Vision-Language Models
von: Ghiasvand, Sajjad, et al.
Veröffentlicht: (2025)

Assessing Neural Network Robustness via Adversarial Pivotal Tuning
von: Christensen, Peter Ebert, et al.
Veröffentlicht: (2022)

Adversarial Robustness of Graph Transformers
von: Foth, Philipp, et al.
Veröffentlicht: (2024)

Holistic Adversarially Robust Pruning
von: Zhao, Qi, et al.
Veröffentlicht: (2024)

Adversarial Robustness of Nonparametric Regression
von: Moradi, Parsa, et al.
Veröffentlicht: (2025)

Efficient Transformer-based Hyper-parameter Optimization for Resource-constrained IoT Environments
von: Shaer, Ibrahim, et al.
Veröffentlicht: (2024)

DARD: Dice Adversarial Robustness Distillation against Adversarial Attacks
von: Zou, Jing, et al.
Veröffentlicht: (2025)

Adversarial Causal Tuning for Realistic Time-series Generation
von: Gkorgkolis, Nikolaos, et al.
Veröffentlicht: (2025)

Conformal Prediction with Corrupted Labels: Uncertain Imputation and Robust Re-weighting
von: Feldman, Shai, et al.
Veröffentlicht: (2025)

Pareto Adversarial Robustness: Balancing Spatial Robustness and Sensitivity-based Robustness
von: Sun, Ke, et al.
Veröffentlicht: (2021)

HyperArm Bandit Optimization: A Novel approach to Hyperparameter Optimization and an Analysis of Bandit Algorithms in Stochastic and Adversarial Settings
von: Karroum, Samih, et al.
Veröffentlicht: (2025)

Towards Robust Model-Based Reinforcement Learning Against Adversarial Corruption
von: Ye, Chenlu, et al.
Veröffentlicht: (2024)

Intrinsic Biologically Plausible Adversarial Robustness
von: Farinha, Matilde Tristany, et al.
Veröffentlicht: (2023)

Adversarial Robustness of NTK Neural Networks
von: Hou, Yuxuan
Veröffentlicht: (2026)

Cascading Bandits Robust to Adversarial Corruptions
von: Xie, Jize, et al.
Veröffentlicht: (2025)

Stochastic Bandits Robust to Adversarial Attacks
von: Wang, Xuchuang, et al.
Veröffentlicht: (2024)

On the Effects of Adversarial Perturbations on Distribution Robustness
von: Wang, Yipei, et al.
Veröffentlicht: (2026)

Prediction-Powered Semi-Supervised Learning with Online Power Tuning
von: Shoham, Noa, et al.
Veröffentlicht: (2025)

Tuning for Two Adversaries: Enhancing the Robustness Against Transfer and Query-Based Attacks using Hyperparameter Tuning
von: Zimmer, Pascal, et al.
Veröffentlicht: (2025)

Robust Model-Based Reinforcement Learning with an Adversarial Auxiliary Model
von: Herremans, Siemen, et al.
Veröffentlicht: (2024)

HyperINF: Unleashing the HyperPower of the Schulz's Method for Data Influence Estimation
von: Zhou, Xinyu, et al.
Veröffentlicht: (2024)