:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tian, Runzhi, Mao, Yongyi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2311.16526
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can overfitted deep neural networks in adversarial training generalize? -- An approximation viewpoint
von: Shi, Zhongjie, et al.
Veröffentlicht: (2024)

Blending adversarial training and representation-conditional purification via aggregation improves adversarial robustness
von: Ballarin, Emanuele, et al.
Veröffentlicht: (2023)

Enhancing robustness of data-driven SHM models: adversarial training with circle loss
von: Yang, Xiangli, et al.
Veröffentlicht: (2024)

Provable tradeoffs in adversarially robust classification
von: Dobriban, Edgar, et al.
Veröffentlicht: (2020)

The curse of overparametrization in adversarial training: Precise analysis of robust generalization for random features regression
von: Hassani, Hamed, et al.
Veröffentlicht: (2022)

Nonideality-aware training makes memristive networks more robust to adversarial attacks
von: Joksas, Dovydas, et al.
Veröffentlicht: (2024)

Can Go AIs be adversarially robust?
von: Tseng, Tom, et al.
Veröffentlicht: (2024)

On damage of interpolation to adversarial robustness in regression
von: Peng, Jingfu, et al.
Veröffentlicht: (2026)

Why you don't overfit, and don't need Bayes if you only train for one epoch
von: Aitchison, Laurence
Veröffentlicht: (2024)

Be aware of overfitting by hyperparameter optimization!
von: Tetko, Igor V., et al.
Veröffentlicht: (2024)

Wasserstein distributional adversarial training for deep neural networks
von: Bai, Xingjian, et al.
Veröffentlicht: (2025)

Parallel Recursive LSTM
von: Gaudreault, Tristan, et al.
Veröffentlicht: (2026)

A unifying Bayesian framework for adversarial robustness
von: Arce, Pablo G., et al.
Veröffentlicht: (2025)

Data-driven transport modelling without overfit
von: Vanya, Peter, et al.
Veröffentlicht: (2026)

ProARD: progressive adversarial robustness distillation: provide wide range of robust students
von: Mousavi, Seyedhamidreza, et al.
Veröffentlicht: (2025)

Limited but consistent gains in adversarial robustness by co-training object recognition models with human EEG
von: Guo, Manshan, et al.
Veröffentlicht: (2024)

On adversarial training and the 1 Nearest Neighbor classifier
von: Hagai, Amir, et al.
Veröffentlicht: (2024)

Two Facets of SDE Under an Information-Theoretic Lens: Generalization of SGD via Training Trajectories and via Terminal States
von: Wang, Ziqiao, et al.
Veröffentlicht: (2022)

Generalization Bounds via Conditional $f$-Information
von: Wang, Ziqiao, et al.
Veröffentlicht: (2024)

P-NOC: adversarial training of CAM generating networks for robust weakly supervised semantic segmentation priors
von: David, Lucas, et al.
Veröffentlicht: (2023)

Spectral regularization for adversarially-robust representation learning
von: Yang, Sheng, et al.
Veröffentlicht: (2024)

Conservative neural posterior estimation via distributionally robust training
von: Laplante, William, et al.
Veröffentlicht: (2026)

Does simple trump complex? Comparing strategies for adversarial robustness in DNNs
von: Brooks, William, et al.
Veröffentlicht: (2025)

On $f$-Divergence Principled Domain Adaptation: An Improved Framework
von: Wang, Ziqiao, et al.
Veröffentlicht: (2024)

Improving robustness of jet tagging algorithms with adversarial training: exploring the loss surface
von: Stein, Annika
Veröffentlicht: (2023)

Are classical deep neural networks weakly adversarially robust?
von: Sun, Nuolin, et al.
Veröffentlicht: (2025)

Preventing overfitting in deep learning using differential privacy
von: Khatri, Alizishaan Anwar Hussein
Veröffentlicht: (2026)

First line of defense: A robust first layer mitigates adversarial attacks
von: Suresh, Janani, et al.
Veröffentlicht: (2024)

The temporal overfitting problem with applications in wind power curve modeling
von: Prakash, Abhinav, et al.
Veröffentlicht: (2020)

A statistical theory of overfitting for imbalanced classification
von: Lyu, Jingyang, et al.
Veröffentlicht: (2025)

Benign overfitting in leaky ReLU networks with moderate input dimension
von: Karhadkar, Kedar, et al.
Veröffentlicht: (2024)

Adversarial Defenses via Vector Quantization
von: Dong, Zhiyi, et al.
Veröffentlicht: (2023)

Deep MMD Gradient Flow without adversarial training
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Ensemble everything everywhere: Multi-scale aggregation for adversarial robustness
von: Fort, Stanislav, et al.
Veröffentlicht: (2024)

Efficient local linearity regularization to overcome catastrophic overfitting
von: Rocamora, Elias Abad, et al.
Veröffentlicht: (2024)

Robustly overfitting latents for flexible neural image compression
von: Perugachi-Diaz, Yura, et al.
Veröffentlicht: (2024)

In-distribution adversarial attacks on object recognition models using gradient-free search
von: Madan, Spandan, et al.
Veröffentlicht: (2021)

Generalization in Federated Learning: A Conditional Mutual Information Framework
von: Wang, Ziqiao, et al.
Veröffentlicht: (2025)

On the Hardness of Unsupervised Domain Adaptation: Optimal Learners and Information-Theoretic Perspective
von: Dong, Zhiyi, et al.
Veröffentlicht: (2025)

A finite sample analysis of the benign overfitting phenomenon for ridge function estimation
von: Caron, Emmanuel, et al.
Veröffentlicht: (2020)