دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. نویسندگان: Onn Shehory, Eitan Farchi, Guy Barash سری: Communications in Computer and Information Science 1272 ISBN (شابک) : 9783030621438, 9783030621445 ناشر: Springer International Publishing;Springer سال نشر: 2020 تعداد صفحات: 150 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Engineering Dependable and Secure Machine Learning Systems: Third International Workshop, EDSMLS 2020, New York City, NY, USA, February 7, 2020, Revised Selected Papers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مهندسی سیستمهای یادگیری ماشینی مطمئن و مطمئن: سومین کارگاه بینالمللی، EDSMLS 2020، شهر نیویورک، نیویورک، ایالات متحده آمریکا، 7 فوریه 2020، مقالات منتخب اصلاح شده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب شامل مقالات منتخب تجدید نظر شده سومین کارگاه
بینالمللی مهندسی سیستمهای یادگیری ماشین مطمئن و مطمئن،
EDSMLS 2020 است که در شهر نیویورک، نیویورک، ایالات متحده
آمریکا، در فوریه 2020 برگزار شد.
7 مقاله کامل و 3 مقاله مقالات کوتاه به طور کامل بررسی و از 16
مورد ارسالی انتخاب شدند. این جلد تحقیقات اصلی را در مورد
قابلیت اطمینان و تضمین کیفیت سیستمهای نرمافزار ML، حملات
خصمانه به سیستمهای نرمافزار ML، ML مخالف و مهندسی
نرمافزار، و غیره ارائه میدهد.
This book constitutes the revised selected papers of the
Third International Workshop on Engineering Dependable and
Secure Machine Learning Systems, EDSMLS 2020, held in New
York City, NY, USA, in February 2020.
The 7 full papers and 3 short papers were thoroughly reviewed
and selected from 16 submissions. The volume presents
original research on dependability and quality assurance of
ML software systems, adversarial attacks on ML software
systems, adversarial ML and software engineering, etc.
Front Matter ....Pages i-ix
Quality Management of Machine Learning Systems (P. Santhanam)....Pages 1-13
Can Attention Masks Improve Adversarial Robustness? (Pratik Vaishnavi, Tianji Cong, Kevin Eykholt, Atul Prakash, Amir Rahmati)....Pages 14-22
Learner-Independent Targeted Data Omission Attacks (Guy Barash, Onn Shehory, Sarit Kraus, Eitan Farchi)....Pages 23-41
Extraction of Complex DNN Models: Real Threat or Boogeyman? (Buse Gul Atli, Sebastian Szyller, Mika Juuti, Samuel Marchal, N. Asokan)....Pages 42-57
Principal Component Properties of Adversarial Samples (Malhar Jere, Sandro Herbig, Christine Lind, Farinaz Koushanfar)....Pages 58-66
FreaAI: Automated Extraction of Data Slices to Test Machine Learning Models (Samuel Ackerman, Orna Raz, Marcel Zalmanovici)....Pages 67-83
Density Estimation in Representation Space to Predict Model Uncertainty (Tiago Ramalho, Miguel Miranda)....Pages 84-96
Automated Detection of Drift in Deep Learning Based Classifiers Performance Using Network Embeddings (Parijat Dube, Eitan Farchi)....Pages 97-109
Quality of Syntactic Implication of RL-Based Sentence Summarization (Hoa T. Le, Christophe Cerisara, Claire Gardent)....Pages 110-125
Dependable Neural Networks for Safety Critical Tasks (Molly O’Brien, William Goble, Greg Hager, Julia Bukowski)....Pages 126-140
Back Matter ....Pages 141-141