Weiter zum Inhalt
Universidad del Mar SIBUMAR Descubridor Institucional UMAR
  • Inicio
  • Búsqueda avanzada
  • Explorar
  • Login
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Erweitert
  • MiniFool -- Physics-Constraint-Aware Minimizer-Based Adversarial Attacks in Deep Neural Networks
Buchumschlag

MiniFool -- Physics-Constraint-Aware Minimizer-Based Adversarial Attacks in Deep Neural Networks

Fuente: arXiv
Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Flek, Lucie, Janik, Oliver, Jung, Philipp Alexander, Karimi, Akbar, Saala, Timo, Schmidt, Alexander, Schott, Matthias, Soldin, Philipp, Thiesmeyer, Matthias, Wiebusch, Christopher, Willemsen, Ulrich
Format: Preprint
Veröffentlicht: 2025
Schlagworte:
Machine Learning
High Energy Astrophysical Phenomena
Instrumentation and Methods for Astrophysics
High Energy Physics - Experiment
Data Analysis, Statistics and Probability
J.2; I.2.6
Online-Zugang:
Acceder al recurso
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
  • Zitieren
  • SMS versenden
  • Als E-Mail versenden
  • Drucken
  • Datensatz exportieren
    • Exportieren nach RefWorks
    • Exportieren nach EndNoteWeb
    • Exportieren nach EndNote
  • Zu den Favoriten
  • Persistenter Link
  • Exemplare
  • Beschreibung
  • Kommentare
  • Ähnliche Einträge
  • Internformat

Online

https://arxiv.org/abs/2511.01352

Ähnliche Einträge

  • Enforcing Fundamental Relations via Adversarial Attacks on Input Parameter Correlations
    von: Saala, Timo, et al.
    Veröffentlicht: (2025)
  • Uncovering Hidden Systematics in Neural Network Models for High Energy Physics
    von: Flek, Lucie, et al.
    Veröffentlicht: (2026)
  • Shapes are not enough: CONSERVAttack and its use for finding vulnerabilities and uncertainties in machine learning applications
    von: Bechtle, Philip, et al.
    Veröffentlicht: (2026)
  • Learning Minimal-Deviation Corrections for Multi-Dimensional Mismodelling in HEP Simulations
    von: Schott, Matthias, et al.
    Veröffentlicht: (2026)
  • Advanced Northern Tracks Selection using a Graph Convolutional Neural Network for the IceCube Neutrino Observatory
    von: Soldin, Philipp, et al.
    Veröffentlicht: (2025)
Universidad del Mar
Universidad del MarSistema Bibliotecario de la Universidad del MarDescubridor Institucional UMARImplementación y desarrollo: Mtro. Carlos Alonso Albores Pérez
InicioBúsqueda avanzadaExplorar
Visitas al Descubridor: 61,818© 2026 Universidad del Mar