Últimos artículos para Entrenamiento adversarial

Un nuevo marco mejora la completación de gráficos de conocimiento con diferentes tipos de datos.

Un nuevo enfoque para mejorar los mapas de saliencia basados en gradientes para una mejor interpretación del modelo.

Un sistema mejora la privacidad en el intercambio de datos para aplicaciones de visión por computadora.

Aprende sobre ataques adversariales y su impacto en los modelos de aprendizaje automático.

Un método para aumentar la fiabilidad del clasificador contra la manipulación de datos.

Un nuevo enfoque para mejorar los modelos de aprendizaje profundo contra ataques adversariales.

Un nuevo método de entrenamiento mejora la capacidad de las redes neuronales para evaluar la incertidumbre.

Un nuevo modelo mejora la recuperación de imágenes para el diagnóstico de histopatología mamaria.

Nuevo método mejora el rendimiento de las redes neuronales contra ataques adversarios.

Un nuevo método para mejorar el entrenamiento adversarial en redes neuronales profundas.

Un estudio sobre cómo mejorar la robustez contra ataques en modelos de lenguaje.

Nuevos métodos mejoran la seguridad de los modelos de lenguaje sin perder funcionalidad.

AdvUnlearn mejora la seguridad en la generación de imágenes al combinar el desaprendizaje con el entrenamiento adversarial.

Un nuevo método busca mejorar la seguridad de la generación de imágenes a partir de texto.

Una mirada a cómo los ejemplos adversariales desafían a los modelos de IA.

Un nuevo enfoque mejora la equidad al identificar el discurso de odio entre diferentes grupos.

Un nuevo método mejora la detección de fallos en máquinas a través de un mejor aprendizaje de características.

Te presentamos PART, un método para aumentar la precisión y la robustez de los modelos de aprendizaje automático.

Un nuevo enfoque para el entrenamiento adversarial mejora el rendimiento y la seguridad de los sistemas de IA.

Este artículo examina mejoras a los SSMs para ser más resistentes a las perturbaciones adversas.

Presentamos ProFeAT para mejorar la robustez del modelo contra ataques adversariales.

ADEP tiene como objetivo mejorar la seguridad prediciendo efectos adversos de múltiples medicamentos.

Este estudio investiga los límites de precisión y robustez en modelos de aprendizaje automático.

Un enfoque nuevo para crear datos sintéticos sin preocupaciones de privacidad.

Este artículo habla sobre el olvido de características y su impacto en la privacidad y la equidad en el aprendizaje automático.

Un nuevo modelo aborda sesgos y mejora las predicciones de precios de acciones usando datos diversos.

Nuevas ideas sobre clasificadores robustos mejoran su capacidad para resistir ataques.

Combinar redes neuronales con criptografía mejora los métodos de comunicación segura.

Examinando la vulnerabilidad de las redes neuronales a pequeños cambios en la entrada.

Examinando ataques adversariales y la robustez del modelo en segmentación semántica.

Explorando riesgos y estrategias de defensa para modelos de lenguaje grandes.

Nueva arquitectura ViT mejora la precisión y resiste amenazas adversariales.

Este artículo revisa métodos para proteger los sistemas de calidad de imagen contra ataques adversariales.

Un nuevo método mejora la resistencia de los agentes de RL contra cambios de entrada dañinos.

Un nuevo método mejora el aprendizaje a partir de datos complejos utilizando proximales de Wasserstein.

El entrenamiento adversarial mejora la precisión del reconocimiento de palabras clave en habla sintética y real.

Nuevos métodos mejoran el reconocimiento de voz en ambientes ruidosos.

CLAT mejora la robustez del modelo contra ataques adversariales mientras mantiene la precisión en imágenes normales.

Nuevos métodos mejoran la defensa de los modelos de machine learning contra ataques adversariales.

Una técnica para ayudar a los robots a recuperarse de ataques mientras siguen cumpliendo con la misión.