Guang Cheng

Ein Blick auf die grundlegende Theorie hinter Deep-Learning-Modellen.

Untersuchung, wie adversariales Training die Robustheit von Modellen durch Merkmalsreinigung verbessert.

Ein Blick darauf, wie Transformer bei unstrukturierten Daten in Regressionsaufgaben glänzen.

Eine neue Methode schützt persönliche Vorlieben und ermöglicht gleichzeitig nützliche Ranglisten.

Erforschen, wie neuronale Netze Funktionale in der Datenanalyse annähern können.

TGDP verbessert die Datengenerierung in Szenarien mit wenigen Trainingsbeispielen.

Eine neue Wasserzeichenmethode hilft dabei, synthetische tabellarische Daten zu identifizieren.

Lern, wie Backdoor-Angriffe Machine-Learning-Systeme bedrohen und welche Methoden es gibt, um sich dagegen zu verteidigen.

Neue Methoden verbessern die Optimierung in komplexen Szenarien mithilfe von latenten Räumen und Rauschen.

TimeAutoDiff bietet neue Lösungen zur Erstellung realistischer synthetischer Zeitreihe-Daten.

Ein neues Modell verbessert die Erstellung von synthetischen Tabellendaten für verschiedene Anwendungen.

Entdecke, wie synthetische Daten Einzelhändlern helfen, die Privatsphäre der Kunden zu schützen und gleichzeitig Einblicke zu gewinnen.

Erforschung von Datenschutzrisiken bei synthetischen Daten und Einführung des Datenplagiatsindex.

Ein dreistufiges Verfahren für sicheres Teilen von Daten bei gleichzeitiger Wahrung der Privatsphäre.

Lern, wie Wasserzeichen gegen gefälschte Daten in der digitalen Welt schützen.

Proaktive Strategien mit KI zielen darauf ab, die Cloud-Sicherheit gegen aufkommende Bedrohungen zu stärken.