Navigation und Service

Utilizing Class Separation Distance for the Evaluation of Corruption Robustness of Machine Learning Classifiers

Bibliografische Angaben

G. Siedel, S. Vock, A. Morozov, S. Voß:
Utilizing Class Separation Distance for the Evaluation of Corruption Robustness of Machine Learning Classifiers
in: The IJCAI-ECAI-22 Workshop on Artificial Intelligence Safety (AISafety 2022) 2022. Seiten 1-10, Projektnummer: F 2497, DOI: 10.48550/arXiv.2206.13405

Artikel "Utilizing Class Separation Distance for the Evaluation of Corruption Robustness of Machine Learning Classifiers" Herunterladen (PDF, 2 MB, Datei ist nicht barrierefrei)

Forschungs­projekte

ProjektnummerF 2497 StatusLaufendes Projekt Sicherheitstechnische Risikoanalyse eines cyber-physischen Modellsystems für Industrie 4.0 Anwendungen

Zur Projektbeschreibung : Sicherheitstechnische Risikoanalyse eines cyber-physischen Modellsystems für Industrie 4.0 Anwendungen …

Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weitere Informationen zum Datenschutz erhalten Sie über den folgenden Link: Datenschutz

OK