同类推荐
-
-
大模型辅助编程
-
¥59.80
-
-
DeepSeek即时通:提示词重塑AI生产力
-
¥79.00
-
-
Grok 4大模型原理剖析及应用开发
-
¥89.00
-
-
Grok 4大模型原理剖析及应用开发
-
¥89.00
-
-
扣子（Coze）从入门到精通：轻松搭建AI Agent
-
¥89.90
-
-
扣子（Coze）从入门到精通：轻松搭建AI Agent
-
¥89.90
-
-
扣子（Coze）从入门到精通：轻松搭建AI Agent
-
¥89.90
-
-
大模型技术与构建:从入门到实战
-
¥89.00
-
-
这就是DeepSeek:DeepSeek从原理到实践
-
¥69.00
-
-
我的第一本生成式AI创意使用指南:快速掌握AI写作、绘…
-
¥59.90
|
|
图书信息
|
|
|
|
面向新型对抗攻击的鲁棒机器学习:评估、检测与防御方法
|
| ISBN： | 9787551737791 |
定价： | ￥68.00 |
| 作者： | 刘文钊, 戴幻尧, 石川, 刘冰峰, 孔德培, 著 |
出版社： | 东北大学出版社 |
| 出版时间： | 2025年06月 |
版次： | 1版 |
| 开本： | 24 |
页数： | 98页 |
| 装祯： | 平装 |
中图法： | TP181 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
|
|
|
|
|
其它供货商库存合计
|
620
|
|
2025-09-28
|
图书简介 | | 随着深度学习技术的快速发展，其在计算机视觉、自然语言处理等领域取得了令人瞩目的成就。然而，深度学习模型的脆弱性问题日益凸显，对抗样本作为一种故意设计用于欺骗机器学习模型的输入，严重威胁着深度学习系统的安全性和可靠性。对抗样本的存在揭示了现有深度学习模型的脆弱性，表明了其在鲁棒性方面的不足。为了应对这一挑战，对抗机器学习的鲁棒性研究成为了一个重要的研究方向，其目的是提高深度学习模型抵御对抗攻击的能力，确保其在实际应用中的安全性和可靠性。本书从对抗鲁棒性评估和提升两个层面入手，提出了面向新型对抗攻击的对抗鲁棒性评估基准、小样本未知对抗样本检测方法以及基于元学习的对抗训练改进方法，以期全面评估和提升深度学习模型的对抗鲁棒性，为构建安全可靠的人工智能系统提供关键支撑。 |
|