:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Siqi, Shoukry, Yasser
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2510.12752
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Extracting Forward Invariant Sets from Neural Network-Based Control Barrier Functions
von: Vaisi, Goli, et al.
Veröffentlicht: (2025)

ShieldNN: A Provably Safe NN Filter for Unsafe NN Controllers
von: Ferlez, James, et al.
Veröffentlicht: (2020)

Exponential Approximation Rates and Parameter Efficiency of Learnable Bernstein Activations
von: Albool, Ibrahim, et al.
Veröffentlicht: (2026)

Semi-Supervised Variational Adversarial Active Learning via Learning to Rank and Agreement-Based Pseudo Labeling
von: Lyu, Zongyao, et al.
Veröffentlicht: (2024)

PACIFIC: Can LLMs Discern the Traits Influencing Your Preferences? Evaluating Personality-Driven Preference Alignment in LLMs
von: Zhao, Tianyu, et al.
Veröffentlicht: (2026)

Interpretable Discriminative Text Representations via Agreement and Label Disentanglement
von: Wang, Tong, et al.
Veröffentlicht: (2026)

Perception with Guarantees: Certified Pose Estimation via Reachability Analysis
von: Ladner, Tobias, et al.
Veröffentlicht: (2026)

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

Vision-Language Models are Strong Noisy Label Detectors
von: Wei, Tong, et al.
Veröffentlicht: (2024)

Model Agreement via Anchoring
von: Eaton, Eric, et al.
Veröffentlicht: (2026)

Latent Wasserstein Adversarial Imitation Learning
von: Yang, Siqi, et al.
Veröffentlicht: (2026)

Model Selection of Anomaly Detectors in the Absence of Labeled Validation Data
von: Fung, Clement, et al.
Veröffentlicht: (2023)

Adversarial Attacks on Transformers-Based Malware Detectors
von: Jakhotiya, Yash, et al.
Veröffentlicht: (2022)

On the Importance of Backbone to the Adversarial Robustness of Object Detectors
von: Li, Xiao, et al.
Veröffentlicht: (2023)

Predicting the Performance of Foundation Models via Agreement-on-the-Line
von: Saxena, Rahul, et al.
Veröffentlicht: (2024)

Disagreement-Regularized Importance Sampling for Adversarial Label Corruption
von: Horváth, Csongor, et al.
Veröffentlicht: (2026)

Towards a General Time Series Anomaly Detector with Adaptive Bottlenecks and Dual Adversarial Decoders
von: Shentu, Qichao, et al.
Veröffentlicht: (2024)

Real-World Adversarial Attacks on RF-Based Drone Detectors
von: Gazit, Omer, et al.
Veröffentlicht: (2025)

Game of Trojans: Adaptive Adversaries Against Output-based Trojaned-Model Detectors
von: Sahabandu, Dinuka, et al.
Veröffentlicht: (2024)

Low-Cost Hard-Label Adversarial Attack with Theoretical Foundations
von: Liu, Jun, et al.
Veröffentlicht: (2026)

Soften to Defend: Towards Adversarial Robustness via Self-Guided Label Refinement
von: Yu, Daiwei, et al.
Veröffentlicht: (2024)

Adversarial Training for Defense Against Label Poisoning Attacks
von: Bal, Melis Ilayda, et al.
Veröffentlicht: (2025)

Adversarial Resilience against Clean-Label Attacks in Realizable and Noisy Settings
von: Heinzler, Carolin
Veröffentlicht: (2025)

Adversarial Label Invariant Graph Data Augmentations for Out-of-Distribution Generalization
von: Zhang, Simon, et al.
Veröffentlicht: (2026)

Adversarial Robustness of AI-Generated Image Detectors in the Real World
von: Mavali, Sina, et al.
Veröffentlicht: (2024)

Adversarially Trained Object Detector for Unsupervised Domain Adaptation
von: Fujii, Kazuma, et al.
Veröffentlicht: (2021)

KoReA-SFL: Knowledge Replay-based Split Federated Learning Against Catastrophic Forgetting
von: Xia, Zeke, et al.
Veröffentlicht: (2024)

Dynamic Label Adversarial Training for Deep Learning Robustness Against Adversarial Attacks
von: Liu, Zhenyu, et al.
Veröffentlicht: (2024)

CoUn: Empowering Machine Unlearning via Contrastive Learning
von: Khalil, Yasser H., et al.
Veröffentlicht: (2025)

An Empirical Analysis of Federated Learning Models Subject to Label-Flipping Adversarial Attack
von: Bhatnagar, Kunal, et al.
Veröffentlicht: (2024)

Agreement-Based Cascading for Efficient Inference
von: Kolawole, Steven, et al.
Veröffentlicht: (2024)

AdvLogo: Adversarial Patch Attack against Object Detectors based on Diffusion Models
von: Miao, Boming, et al.
Veröffentlicht: (2024)

Fool the Stoplight: Realistic Adversarial Patch Attacks on Traffic Light Detectors
von: Pavlitska, Svetlana, et al.
Veröffentlicht: (2025)

LLM as an Algorithmist: Enhancing Anomaly Detectors via Programmatic Synthesis
von: Ye, Hangting, et al.
Veröffentlicht: (2025)

Correct-by-Construction Vision-based Pose Estimation using Geometric Generative Models
von: Cruz, Ulices Santa, et al.
Veröffentlicht: (2026)

Self-sufficient Independent Component Analysis via KL Minimizing Flows
von: Liu, Song
Veröffentlicht: (2025)

TACO: Adversarial Camouflage Optimization on Trucks to Fool Object Detectors
von: Dimitriu, Adonisz, et al.
Veröffentlicht: (2024)

FedKL: Tackling Data Heterogeneity in Federated Reinforcement Learning by Penalizing KL Divergence
von: Xie, Zhijie, et al.
Veröffentlicht: (2022)

Improving Adversarial Robust Fairness via Anti-Bias Soft Label Distillation
von: Zhao, Shiji, et al.
Veröffentlicht: (2023)

Significativity Indices for Agreement Values
von: Casagrande, Alberto, et al.
Veröffentlicht: (2025)