English

Applications of Adversarial Robustness Analysis in Machine Learning

Megyeri István
Applications of Adversarial Robustness Analysis in Machine Learning.
Doktori értekezés, Szegedi Tudományegyetem (2000-).
(2024)

[thumbnail of main.pdf] PDF (disszertáció)
Download (6MB)
[thumbnail of theses.pdf] PDF (tézisfüzet)
Download (2MB)
Mű típusa: Disszertáció (Doktori értekezés)
Publikációban használt név: Megyeri István
Témavezető(k):
Témavezető neve
Beosztás, tudományos fokozat, intézmény
MTMT szerző azonosító
Jelasity Márk
egyetemi tanár, DSc, Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék, SZTE-TTIK
10017593
Szakterület: 01. Természettudományok > 01.02. Számítás- és információtudomány > 01.02.01. Számítástudomány, információtudomány és bioinformatika > 01.02.01.15. Mesterséges intelligencia, intelligens rendszerek, multi-ágens rendszerek
01. Természettudományok > 01.02. Számítás- és információtudomány > 01.02.01. Számítástudomány, információtudomány és bioinformatika > 01.02.01.20. Gépi tanulás, statisztikus adatfeldolgozás, jelfeldolgozáson alapuló alkalmazások
01. Természettudományok > 01.02. Számítás- és információtudomány > 01.02.01. Számítástudomány, információtudomány és bioinformatika > 01.02.01.35. Ontológiák, neurális hálózatok, genetikus programozás, fuzzy logika
Doktori iskola: Informatika Doktori Iskola
Tudományterület / tudományág: Természettudományok > Matematika- és számítástudományok
Nyelv: angol
Védés dátuma: 2024. május 16.
EPrint azonosító (ID): 11879
A mű MTMT azonosítója: 35670934
doi: https://doi.org/10.14232/phd.11879
A feltöltés ideje: 2023. aug. 30. 10:09
Utolsó módosítás: 2025. jan. 08. 13:22
Raktári szám: B 7432
URI: https://doktori.bibl.u-szeged.hu/id/eprint/11879
Védés állapota: védett

Actions (login required)

Tétel nézet Tétel nézet
Repozitórium letöltési statisztika

Letöltések

Letöltések havi bontásban az elmúlt egy évben

Loading...
Itt kérhet technikai vagy tartalmi segítséget: doktori AT ek.szte.hu
SZTE Doktori Repozitórium is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.