Measuring Overfitting in Convolutional Neural Networks using Adversarial Perturbations and Label Noise
| Zugehörige Institution(en) am KIT | Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsjahr | 2023 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-1-66548-768-9 KITopen-ID: 1000156271 |
| Erschienen in | 2022 IEEE Symposium Series on Computational Intelligence (SSCI) |
| Veranstaltung | IEEE Symposium Series on Computational Intelligence (SSCI 2022), Singapur, Singapur, 04.12.2022 – 07.12.2022 |
| Verlag | Institute of Electrical and Electronics Engineers (IEEE) |
| Seiten | 1551–1559 |
| Vorab online veröffentlicht am | 30.01.2023 |
| Nachgewiesen in | Dimensions OpenAlex Scopus |
| Relationen in KITopen | |
| Globale Ziele für nachhaltige Entwicklung |