• Produktbild: Engineering Dependable and Secure Machine Learning Systems
  • Produktbild: Engineering Dependable and Secure Machine Learning Systems
Band 1272

Engineering Dependable and Secure Machine Learning Systems Third International Workshop, EDSMLS 2020, New York City, NY, USA, February 7, 2020, Revised Selected Papers

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

08.11.2020

Abbildungen

IX, 141 p. 44 illus., 34 illus. in color.

Herausgeber

Onn Shehory + weitere

Verlag

Springer

Seitenzahl

141

Maße (L/B/H)

23,5/15,5/0,9 cm

Gewicht

242 g

Auflage

1st ed. 2020

Sprache

Englisch

ISBN

978-3-030-62143-8

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

08.11.2020

Abbildungen

IX, 141 p. 44 illus., 34 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

141

Maße (L/B/H)

23,5/15,5/0,9 cm

Gewicht

242 g

Auflage

1st ed. 2020

Sprache

Englisch

ISBN

978-3-030-62143-8

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Engineering Dependable and Secure Machine Learning Systems
  • Produktbild: Engineering Dependable and Secure Machine Learning Systems
  • Quality Management of Deep Learning Systems.- Can Attention Masks Improve Adversarial Robustness?.- Learner-Independent Data Omission Attacks.- Extraction of Complex DNN Models: Real Threat or Boogeyman?.- Principal Component Properties of Adversarial Samples.- FreaAI: Automated extraction of data slices to test machine learning models.- Density estimation in representation space to predict model uncertainty.-  Automated detection of drift in deep learning based classifiers using network embedding.- Quality of syntactic implication of RL-based sentence summarization.- Dependable Neural Networks for Safety Critical Tasks.