:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Anil, Gautham, Vinod, Vishnu, Narayan, Apurva
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2402.08648
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Interleaved Gibbs Diffusion: Generating Discrete-Continuous Data with Implicit Constraints
von: Anil, Gautham Govind, et al.
Veröffentlicht: (2025)

Volatility in Certainty (VC): A Metric for Detecting Adversarial Perturbations During Inference in Neural Network Classifiers
von: Hemmati, Vahid, et al.
Veröffentlicht: (2025)

A Neural Rejection System Against Universal Adversarial Perturbations in Radio Signal Classification
von: Zhang, Lu, et al.
Veröffentlicht: (2025)

ORACLE: A Real-Time, Hierarchical, Deep-Learning Photometric Classifier for the LSST
von: Shah, Ved G., et al.
Veröffentlicht: (2025)

How Worst-Case Are Adversarial Attacks? Linking Adversarial and Perturbation Robustness
von: Rossolini, Giulio
Veröffentlicht: (2026)

Adversarial Robustness of Partitioned Quantum Classifiers
von: Kananian, Pouya, et al.
Veröffentlicht: (2025)

GREAT Score: Global Robustness Evaluation of Adversarial Perturbation using Generative Models
von: Li, Zaitang, et al.
Veröffentlicht: (2023)

Unifying Adversarial Perturbation for Graph Neural Networks
von: Yang, Jinluan, et al.
Veröffentlicht: (2025)

Perturbation-Induced Linearization: Constructing Unlearnable Data with Solely Linear Classifiers
von: Liu, Jinlin, et al.
Veröffentlicht: (2026)

Fine-Tuning Diffusion Models via Intermediate Distribution Shaping
von: Anil, Gautham Govind, et al.
Veröffentlicht: (2025)

Size Matters: Reconstructing Real-Scale 3D Models from Monocular Images for Food Portion Estimation
von: Vinod, Gautham, et al.
Veröffentlicht: (2026)

Diffusion Guided Adversarial State Perturbations in Reinforcement Learning
von: Sun, Xiaolin, et al.
Veröffentlicht: (2025)

Food Portion Estimation via 3D Object Scaling
von: Vinod, Gautham, et al.
Veröffentlicht: (2024)

Not Your Stereo-Typical Estimator: Combining Vision and Language for Volume Perception
von: Vinod, Gautham, et al.
Veröffentlicht: (2026)

Interpretation of Neural Networks is Susceptible to Universal Adversarial Perturbations
von: Oskouie, Haniyeh Ehsani, et al.
Veröffentlicht: (2022)

Certified Robustness against Sparse Adversarial Perturbations via Data Localization
von: Pal, Ambar, et al.
Veröffentlicht: (2024)

Mitigating Adversarial Perturbations for Deep Reinforcement Learning via Vector Quantization
von: Luu, Tung M., et al.
Veröffentlicht: (2024)

Robust Deep Reinforcement Learning with Adaptive Adversarial Perturbations in Action Space
von: Liu, Qianmei, et al.
Veröffentlicht: (2024)

Perturbing the Phase: Analyzing Adversarial Robustness of Complex-Valued Neural Networks
von: Eilers, Florian, et al.
Veröffentlicht: (2026)

Representation Stability in a Minimal Continual Learning Agent
von: Subramanian, Vishnu
Veröffentlicht: (2026)

Learning Tennis Strategy Through Curriculum-Based Dueling Double Deep Q-Networks
von: Mohan, Vishnu
Veröffentlicht: (2025)

XSub: Explanation-Driven Adversarial Attack against Blackbox Classifiers via Feature Substitution
von: Vu, Kiana, et al.
Veröffentlicht: (2024)

Streaming Deep Reinforcement Learning Finally Works
von: Elsayed, Mohamed, et al.
Veröffentlicht: (2024)

Quantifying the Noise of Structural Perturbations on Graph Adversarial Attacks
von: Fang, Junyuan, et al.
Veröffentlicht: (2025)

Empirical Analysis of Adversarial Robustness and Explainability Drift in Cybersecurity Classifiers
von: Rajhans, Mona, et al.
Veröffentlicht: (2026)

Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks
von: Goh, Kun Ming
Veröffentlicht: (2025)

Impact of Data Duplication on Deep Neural Network-Based Image Classifiers: Robust vs. Standard Models
von: Aghabagherloo, Alireza, et al.
Veröffentlicht: (2025)

Perturbation Towards Easy Samples Improves Targeted Adversarial Transferability
von: Gao, Junqi, et al.
Veröffentlicht: (2024)

PAE: LLM-based Product Attribute Extraction for E-Commerce Fashion Trends
von: Sinha, Apurva, et al.
Veröffentlicht: (2024)

Beyond Pooling: Matching for Robust Generalization under Data Heterogeneity
von: Roy, Ayush, et al.
Veröffentlicht: (2026)

Sim2Act: Robust Simulation-to-Decision Learning via Adversarial Calibration and Group-Relative Perturbation
von: Cao, Hongyu, et al.
Veröffentlicht: (2026)

Offline-to-Online Reinforcement Learning with Classifier-Free Diffusion Generation
von: Huang, Xiao, et al.
Veröffentlicht: (2025)

Filtered-ViT: A Robust Defense Against Multiple Adversarial Patch Attacks
von: Khanal, Aja, et al.
Veröffentlicht: (2025)

Continual Reinforcement Learning for HVAC Systems Control: Integrating Hypernetworks and Transfer Learning
von: Bekal, Gautham Udayakumar, et al.
Veröffentlicht: (2025)

Times2D: Multi-Period Decomposition and Derivative Mapping for General Time Series Forecasting
von: Nematirad, Reza, et al.
Veröffentlicht: (2025)

Does Order Matter : Connecting The Law of Robustness to Robust Generalization
von: Mandal, Himadri, et al.
Veröffentlicht: (2026)

CoPHo: Classifier-guided Conditional Topology Generation with Persistent Homology
von: Xi, Gongli, et al.
Veröffentlicht: (2025)

Federated Learning for Anomaly Detection in Energy Consumption Data: Assessing the Vulnerability to Adversarial Attacks
von: Telila, Yohannis Kifle, et al.
Veröffentlicht: (2025)

UniCoMTE: A Universal Counterfactual Framework for Explaining Time-Series Classifiers on ECG Data
von: Li, Justin, et al.
Veröffentlicht: (2025)

On the Adversarial Transferability of Generalized "Skip Connections"
von: Wang, Yisen, et al.
Veröffentlicht: (2024)