Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://hdl.handle.net/11701/26412
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.advisorБлеканов Иван Станиславовичru_RU
dc.contributor.advisorBlekanov Ivan Stanislavovicen_GB
dc.contributor.authorКиндулов Михаил Львовичru_RU
dc.contributor.authorKindulov Mihail Lvovicen_GB
dc.contributor.editorКрылатов Александр Юрьевичru_RU
dc.contributor.editorKrylatov Aleksandr Urevicen_GB
dc.date.accessioned2021-03-24T15:26:37Z-
dc.date.available2021-03-24T15:26:37Z-
dc.date.issued2020
dc.identifier.other048221en_GB
dc.identifier.urihttp://hdl.handle.net/11701/26412-
dc.description.abstractВ данной работе были рассмотрены современные подходы к состязательным атакам и защите от них, а так же представлены собственные решения задачи поиска атакованных объектов. Полученные методы были протестированы на известных наборах данных для популярных атак.ru_RU
dc.description.abstractIn this paper were considered modern approaches to adversarial attacks and defenses against them. There were also presented own solutions to the problem of searching for adversarial attacks. The obtained methods were tested on well-known data sets for popular attacks.en_GB
dc.language.isoru
dc.subjectмашинное обучениеru_RU
dc.subjectнейронные сетиru_RU
dc.subjectсостязательные атакиru_RU
dc.subjectзащита от состязательных атакru_RU
dc.subjectmachine learningen_GB
dc.subjectneural networksen_GB
dc.subjectadversarial attacksen_GB
dc.subjectadversarial defenceen_GB
dc.titleMachine learning models robust to adversarial attacksen_GB
dc.title.alternativeМодели машинного обучения, устойчивые к состязательным атакамru_RU
Располагается в коллекциях:BACHELOR STUDIES

Файлы этого ресурса:
Файл Описание РазмерФормат 
diploma_fixed.pdfArticle339,9 kBAdobe PDFПросмотреть/Открыть
reviewSV_Otzyv_Kindulov.pdfReviewSV94,66 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.