Buchumschlag

Intrinsic Biologically Plausible Adversarial Robustness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Farinha, Matilde Tristany, Ortner, Thomas, Dellaferrera, Giorgia, Grewe, Benjamin, Pantazi, Angeliki
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

FlowState: Sampling Rate Invariant Time Series Forecasting
von: Graf, Lars, et al.
Veröffentlicht: (2025)

Learning-to-learn enables rapid learning with phase-change memory-based in-memory computing
von: Ortner, Thomas, et al.
Veröffentlicht: (2024)

Mind the GAP: Glimpse-based Active Perception improves generalization and sample efficiency of visual reasoning
von: Kolner, Oleh, et al.
Veröffentlicht: (2024)

PIXLRelight: Controllable Relighting via Intrinsic Conditioning
von: Farinha, Miguel, et al.
Veröffentlicht: (2026)

Forward Learning with Top-Down Feedback: Empirical and Analytical Characterization
von: Srinivasan, Ravi, et al.
Veröffentlicht: (2023)

Biologically Plausible Brain Graph Transformer
von: Peng, Ciyuan, et al.
Veröffentlicht: (2025)

Investigating Plausibility of Biologically Inspired Bayesian Learning in ANNs
von: Zaveri, Ram
Veröffentlicht: (2024)

Towards Biologically Plausible and Private Gene Expression Data Generation
von: Chen, Dingfan, et al.
Veröffentlicht: (2024)

Local vs Global continual learning
von: Lanzillotta, Giulia, et al.
Veröffentlicht: (2024)

Blending Optimal Control and Biologically Plausible Learning for Noise-Robust Physical Neural Networks
von: Sunada, Satoshi, et al.
Veröffentlicht: (2025)

Memory Networks: Towards Fully Biologically Plausible Learning
von: Ruiz, Jacobo, et al.
Veröffentlicht: (2024)

The Large Language Model GreekLegalRoBERTa
von: Saketos, Vasileios, et al.
Veröffentlicht: (2024)

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Can Machines Philosophize?
von: Pizzochero, Michele, et al.
Veröffentlicht: (2025)

The underlying structures of self-attention: symmetry, directionality, and emergent dynamics in Transformer training
von: Saponati, Matteo, et al.
Veröffentlicht: (2025)

Mechanistic Interpretability of RNNs emulating Hidden Markov Models
von: Torre, Elia, et al.
Veröffentlicht: (2025)

Biological Plausibility and Representational Alignment of Feedback Alignment in Convolutional Networks
von: Lance, Jake, et al.
Veröffentlicht: (2026)

Guided Transfer Learning for Discrete Diffusion Models
von: Kleutgens, Julian, et al.
Veröffentlicht: (2025)

BioNeRF: Biologically Plausible Neural Radiance Fields for View Synthesis
von: Passos, Leandro A., et al.
Veröffentlicht: (2024)

Transfer in Reinforcement Learning via Regret Bounds for Learning Agents
von: Tuynman, Adrienne, et al.
Veröffentlicht: (2022)

Explaining the role of Intrinsic Dimensionality in Adversarial Training
von: Altinisik, Enes, et al.
Veröffentlicht: (2024)

Multiscale Astrocyte Network Calcium Dynamics for Biologically Plausible Intelligence in Anomaly Detection
von: Iskar, Berk, et al.
Veröffentlicht: (2025)

Supervised Training Rapidly Degrades Early Visual Cortex Alignment Across Biologically Plausible Learning Rules
von: Leutenegger, Nils
Veröffentlicht: (2026)

A combination of noise and bilateral filters achieve supralinear and scalable adversarial robustness in CNNs
von: Stalder, Nicolas, et al.
Veröffentlicht: (2026)

Effect of Ambient-Intrinsic Dimension Gap on Adversarial Vulnerability
von: Haldar, Rajdeep, et al.
Veröffentlicht: (2024)

Counter-Current Learning: A Biologically Plausible Dual Network Approach for Deep Learning
von: Kao, Chia-Hsiang, et al.
Veröffentlicht: (2024)

Biologically Plausible Training of Deep Neural Networks Using a Top-down Credit Assignment Network
von: Chen, Jian-Hui, et al.
Veröffentlicht: (2022)

PAR: Plausibility-aware Amortized Recourse Generation
von: Sabu, Anagha, et al.
Veröffentlicht: (2026)

Training on Plausible Counterfactuals Removes Spurious Correlations
von: Sadiku, Shpresim, et al.
Veröffentlicht: (2025)

Plausible Counterfactual Explanations of Recommendations
von: Černý, Jakub, et al.
Veröffentlicht: (2025)

On the Robustness of Malware Detectors to Adversarial Samples
von: Salman, Muhammad, et al.
Veröffentlicht: (2024)

Homomorphism Autoencoder -- Learning Group Structured Representations from Observed Transitions
von: Keurti, Hamza, et al.
Veröffentlicht: (2022)

Continual Learning through Control Minimization
von: de Haan, Sander, et al.
Veröffentlicht: (2026)

Mixed-signal implementation of feedback-control optimizer for single-layer Spiking Neural Networks
von: Haag, Jonathan, et al.
Veröffentlicht: (2026)

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)

Markets for Models
von: Dasaratha, Krishna, et al.
Veröffentlicht: (2025)

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

Measuring What Matters: Intrinsic Distance Preservation as a Robust Metric for Embedding Quality
von: Hart, Steven N., et al.
Veröffentlicht: (2024)