Buchumschlag

Spectral regularization for adversarially-robust representation learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Sheng, Zavatone-Veth, Jacob A., Pehlevan, Cengiz
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Random Matrix Theory Perspective on the Consistency of Diffusion Models
von: Wang, Binxu, et al.
Veröffentlicht: (2026)

Nadaraya-Watson kernel smoothing as a random energy model
von: Zavatone-Veth, Jacob A., et al.
Veröffentlicht: (2024)

How does training shape the Riemannian geometry of neural network representations?
von: Zavatone-Veth, Jacob A., et al.
Veröffentlicht: (2023)

Risk and cross validation in ridge regression with correlated samples
von: Atanasov, Alexander, et al.
Veröffentlicht: (2024)

Scaling and renormalization in high-dimensional regression
von: Atanasov, Alexander, et al.
Veröffentlicht: (2024)

Summary statistics of learning link changing neural representations to behavior
von: Zavatone-Veth, Jacob A., et al.
Veröffentlicht: (2025)

Pixel-Based Similarities as an Alternative to Neural Data for Improving Convolutional Neural Network Adversarial Robustness
von: Attias, Elie, et al.
Veröffentlicht: (2024)

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

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

D2R: dual regularization loss with collaborative adversarial generation for model robustness
von: Liu, Zhenyu, et al.
Veröffentlicht: (2025)

Dynamically Learning to Integrate in Recurrent Neural Networks
von: Bordelon, Blake, et al.
Veröffentlicht: (2025)

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

Pretrain-Test Task Alignment Governs Generalization in In-Context Learning
von: Letey, Mary I., et al.
Veröffentlicht: (2025)

A note on the dynamics of extended-context disordered kinetic spin models
von: Zavatone-Veth, Jacob A., et al.
Veröffentlicht: (2025)

An Analytical Theory of Spectral Bias in the Learning Dynamics of Diffusion Models
von: Wang, Binxu, et al.
Veröffentlicht: (2025)

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

Asymptotic theory of in-context learning by linear attention
von: Lu, Yue M., et al.
Veröffentlicht: (2024)

Improving deep learning with prior knowledge and cognitive models: A survey on enhancing explainability, adversarial robustness and zero-shot learning
von: Mumuni, Fuseinin, 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)

Two-Point Deterministic Equivalence for Stochastic Gradient Dynamics in Linear Models
von: Atanasov, Alexander, et al.
Veröffentlicht: (2025)

Stimulus symmetries can confound representational similarity analyses
von: Pashakhanloo, Farhad, et al.
Veröffentlicht: (2026)

A practical approach to evaluating the adversarial distance for machine learning classifiers
von: Siedel, Georg, et al.
Veröffentlicht: (2024)

Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection
von: Bauer, Alexander, et al.
Veröffentlicht: (2025)

Buffer replay enhances the robustness of multimodal learning under missing-modality
von: Zhu, Hongye, et al.
Veröffentlicht: (2025)

Towards more transferable adversarial attack in black-box manner
von: Lei, Chun Tong, et al.
Veröffentlicht: (2025)

Understanding normalization in contrastive representation learning and out-of-distribution detection
von: Le-Gia, Tai, et al.
Veröffentlicht: (2023)

Efficient generative adversarial networks using linear additive-attention Transformers
von: Morales-Juarez, Emilio, et al.
Veröffentlicht: (2024)

SA-Attack: Speed-adaptive stealthy adversarial attack on trajectory prediction
von: Yin, Huilin, et al.
Veröffentlicht: (2024)

Sparse patches adversarial attacks via extrapolating point-wise information
von: Nemcovsky, Yaniv, et al.
Veröffentlicht: (2024)

Adaptive few-shot learning for robust part quality classification in two-photon lithography
von: Jia, Sixian, et al.
Veröffentlicht: (2026)

Learned feature representations are biased by complexity, learning order, position, and more
von: Lampinen, Andrew Kyle, et al.
Veröffentlicht: (2024)

Can multimodal representation learning by alignment preserve modality-specific information?
von: Thoreau, Romain, et al.
Veröffentlicht: (2025)

AI-KD: Adversarial learning and Implicit regularization for self-Knowledge Distillation
von: Kim, Hyungmin, et al.
Veröffentlicht: (2022)

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

A training regime to learn unified representations from complementary breast imaging modalities
von: Sharma, Umang, et al.
Veröffentlicht: (2024)

The mathematics of adversarial attacks in AI -- Why deep learning is unstable despite the existence of stable neural networks
von: Bastounis, Alexander, et al.
Veröffentlicht: (2021)

Deep semi-supervised approach based on consistency regularization and similarity learning for weeds classification
von: Benchallal, Farouq, et al.
Veröffentlicht: (2025)

Fusion of complementary 2D and 3D mesostructural datasets using generative adversarial networks
von: Dahari, Amir, et al.
Veröffentlicht: (2021)

Self-supervised video pretraining yields robust and more human-aligned visual representations
von: Parthasarathy, Nikhil, et al.
Veröffentlicht: (2022)

Benford's law: what does it say on adversarial images?
von: Zago, João G., et al.
Veröffentlicht: (2021)