Buchumschlag

Model-Free Adversarial Purification via Coarse-To-Fine Tensor Network Representation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Guang, Nguyen, Duc Thien, Tao, Zerui, Slavakis, Konstantinos, Tanaka, Toshihisa, Zhao, Qibin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Nonparametric Tensor Decomposition for Binary and Count Data
von: Tao, Zerui, et al.
Veröffentlicht: (2024)

Scalable Bayesian Tensor Ring Factorization for Multiway Data Analysis
von: Tao, Zerui, et al.
Veröffentlicht: (2024)

Structured Unitary Tensor Network Representations for Circuit-Efficient Quantum Data Encoding
von: Lin, Guang, et al.
Veröffentlicht: (2026)

Multilinear Kernel Regression and Imputation via Manifold Learning
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2024)

Adversarial Guided Diffusion Models for Adversarial Purification
von: Lin, Guang, et al.
Veröffentlicht: (2024)

Kernel Regression of Multi-Way Data via Tensor Trains with Hadamard Overparametrization: The Dynamic Graph Flow Case
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2025)

Imputation of Time-varying Edge Flows in Graphs by Multilinear Kernel Regression and Manifold Learning
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2024)

Large Language Model Sentinel: LLM Agent for Adversarial Purification
von: Lin, Guang, et al.
Veröffentlicht: (2024)

EpilepsyLLM: Domain-Specific Large Language Model Fine-tuned with Epilepsy Medical Knowledge
von: Zhao, Xuyang, et al.
Veröffentlicht: (2024)

Transformed Low-rank Adaptation via Tensor Decomposition and Its Applications to Text-to-image Models
von: Tao, Zerui, et al.
Veröffentlicht: (2025)

Robust Invariant Representation Learning by Distribution Extrapolation
von: Yoshida, Kotaro, et al.
Veröffentlicht: (2025)

Adversarial Training on Purification (AToP): Advancing Both Robustness and Generalization
von: Lin, Guang, et al.
Veröffentlicht: (2024)

Gaussian-Mixture-Model Q-Functions for Reinforcement Learning by Riemannian Optimization
von: Vu, Minh, et al.
Veröffentlicht: (2024)

Gaussian-Mixture-Model Q-Functions for Policy Iteration in Reinforcement Learning
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Online reinforcement learning via sparse Gaussian mixture model Q-functions
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Nonconvex Regularization for Feature Selection in Reinforcement Learning
von: Suzuki, Kyohei, et al.
Veröffentlicht: (2025)

Nonparametric Bellman Mappings for Value Iteration in Distributed Reinforcement Learning
von: Akiyama, Yuki, et al.
Veröffentlicht: (2025)

Coarse-to-Fine Concept Bottleneck Models
von: Panousis, Konstantinos P., et al.
Veröffentlicht: (2023)

Coarse-To-Fine Tensor Trains for Compact Visual Representations
von: Loeschcke, Sebastian, et al.
Veröffentlicht: (2024)

External Division of Two Bregman Proximity Operators for Poisson Inverse Problems
von: Haishima, Kazuki, et al.
Veröffentlicht: (2026)

On the Approximation Complexity of Matrix Product Operator Born Machines
von: Li, Chao, et al.
Veröffentlicht: (2026)

Nonparametric Bellman Mappings for Reinforcement Learning: Application to Robust Adaptive Filtering
von: Akiyama, Yuki, et al.
Veröffentlicht: (2024)

Cross-patient Seizure Onset Zone Classification by Patient-Dependent Weight
von: Zhao, Xuyang, et al.
Veröffentlicht: (2025)

BandVQ: Band-Wise Vector-Quantized EEG Foundation Model
von: Sukhbaatar, Jamiyan, et al.
Veröffentlicht: (2026)

tnGPS: Discovering Unknown Tensor Network Structure Search Algorithms via Large Language Models (LLMs)
von: Zeng, Junhua, et al.
Veröffentlicht: (2024)

GeoGen: A Two-stage Coarse-to-Fine Framework for Fine-grained Synthetic Location-based Social Network Trajectory Generation
von: Xu, Rongchao, et al.
Veröffentlicht: (2025)

Domain-Aware Tensor Network Structure Search
von: Iacovides, Giorgos, et al.
Veröffentlicht: (2025)

Style Feature Extraction Using Contrastive Conditioned Variational Autoencoders with Mutual Information Constraints
von: Yasutomi, Suguru, et al.
Veröffentlicht: (2023)

Equivalence of Coarse and Fine-Grained Models for Learning with Distribution Shift
von: Klivans, Adam R., et al.
Veröffentlicht: (2026)

Self-supervised Adversarial Purification for Graph Neural Networks
von: Lee, Woohyun, et al.
Veröffentlicht: (2026)

Tensor-Based Binary Graph Encoding for Variational Quantum Classifiers
von: An, Shiwen, et al.
Veröffentlicht: (2025)

Explainable Adversarial Attacks on Coarse-to-Fine Classifiers
von: Heidarizadeh, Akram, et al.
Veröffentlicht: (2025)

Better Representations via Adversarial Training in Pre-Training: A Theoretical Perspective
von: Xing, Yue, et al.
Veröffentlicht: (2024)

SVDinsTN: A Tensor Network Paradigm for Efficient Structure Search from Regularized Modeling Perspective
von: Zheng, Yu-Bang, et al.
Veröffentlicht: (2023)

Evidence, Definitions and Algorithms regarding the Existence of Cohesive-Convergence Groups in Neural Network Optimization
von: Nguyen, Thien An L.
Veröffentlicht: (2024)

Adversary-Free Counterfactual Prediction via Information-Regularized Representations
von: Tang, Shiqin, et al.
Veröffentlicht: (2025)

MEMO: Fine-grained Tensor Management For Ultra-long Context LLM Training
von: Zhao, Pinxue, et al.
Veröffentlicht: (2024)

Randomized Tensor Ring Decomposition and Its Application to Large-scale Data Reconstruction
von: Yuan, Longhao, et al.
Veröffentlicht: (2019)

Adversarial Autoencoders in Operator Learning
von: Enyeart, Dustin, et al.
Veröffentlicht: (2024)

Robust Graph Learning Against Adversarial Evasion Attacks via Prior-Free Diffusion-Based Structure Purification
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)