Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Konferenzbeitrag

Measuring Representational Robustness of Neural Networks Through Shared Invariances

MPG-Autoren
/persons/resource/persons246687

Nanda,  Vedant
Group K. Gummadi, Max Planck Institute for Software Systems, Max Planck Society;

/persons/resource/persons231773

Speicher,  Till
Group K. Gummadi, Max Planck Institute for Software Systems, Max Planck Society;

/persons/resource/persons144524

Gummadi,  Krishna
Group K. Gummadi, Max Planck Institute for Software Systems, Max Planck Society;

Externe Ressourcen

https://proceedings.mlr.press/v162/nanda22a/nanda22a.pdf
(Verlagsversion)

Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in PuRe verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Nanda, V., Speicher, T., Kolling, C., Dickerson, J. P., Gummadi, K., & Weller, A. (2022). Measuring Representational Robustness of Neural Networks Through Shared Invariances. In K. Chaudhuri, S. Jegelka, L. Song, C. Szepesvari, G. Niu, & S. Sabato (Eds.), Proceedings of the 39th International Conference on Machine Learning (pp. 16368-16382). Retrieved from https://proceedings.mlr.press/v162/nanda22a.html.


Zitierlink: https://hdl.handle.net/21.11116/0000-000A-D0D4-B
Zusammenfassung
Es ist keine Zusammenfassung verfügbar