Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
EndNote (UTF-8)
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Lack of Robustness in Artificial Neural Networks

Bethge, M. (2019). Lack of Robustness in Artificial Neural Networks. Neuroforum, 25(Supplement 1): S23-1, 179.

Item is

 

einblenden: alle

Basisdaten

ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0003-1F71-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-0004-AA6D-3
Genre: Meeting Abstract

Externe Referenzen

ausblenden:
externe Referenz:
https://www.nwg-goettingen.de/2019/upload/file/Proceedings_NWG2019.pdf (Zusammenfassung)
Beschreibung:
-
OA-Status:

Urheber

ausblenden:
 Urheber:
Bethge, M1, Autor           
Affiliations:
1External Organizations, ou_persistent22              

Inhalt

ausblenden:
Schlagwörter: -
 Zusammenfassung: Deep neural networks have become a ubiquitous tool in a broad range of AI applications. Resembling important aspects of rapid feed-forward visual processing in the ventral stream they can be trained to
match human behavior on standardized pattern recognition tasks. Outside the training distribution, however, decision making of artificial neural networks exhibits large discrepancies to biological vision
systems. I will give an overview on the lack of robustness in deep neural networks and present recent results of my lab to quantify and overcome these discrepancies.

Details

ausblenden:
Sprache(n):
 Datum: 2019-02
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: -
 Art des Abschluß: -

Veranstaltung

ausblenden:
Titel: 13th Göttingen Meeting of the German Neuroscience Society, 37th Göttingen Neurobiology Conference
Veranstaltungsort: Göttingen, Germany
Start-/Enddatum: 2019-03-20 - 2019-03-23

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

ausblenden:
Titel: Neuroforum
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 25 (Supplement 1) Artikelnummer: S23-1 Start- / Endseite: 179 Identifikator: ISSN: 0947-0875
CoNE: https://pure.mpg.de/cone/journals/resource/110978984249776