Understanding Gaussian noise injections in neural networks

Understanding Gaussian noise injections in neural networks

<p>Deep Learning (read neural networks) has emerged as one of the most exciting and powerful tools in the statistical machine learning toolbox. Neural networks over the past decade have defeated incumbent state of the art models in computer vision, natural language processing, and reinforcemen...

Ausführliche Beschreibung

Bibliographische Detailangaben
1. Verfasser:	Camuto, A
Weitere Verfasser:	Holmes, C
Format:	Abschlussarbeit
Sprache:	English
Veröffentlicht:	2021
Schlagworte:	Deep learning (Machine learning)

Ähnliche Einträge

Resilience of Machine Learning Models in Anxiety Detection: Assessing the Impact of Gaussian Noise on Wearable Sensors
von: Abdulrahman Alkurdi, et al.
Veröffentlicht: (2024-12-01)

Neural networks as data
von: Dupont, E
Veröffentlicht: (2022)

Efficient neural network verification and training
von: De Palma, A
Veröffentlicht: (2023)

On kernel and feature learning in neural networks
von: He, B
Veröffentlicht: (2022)

Neural networks for inference, inference for neural networks
von: Webb, S
Veröffentlicht: (2018)

Towards robust neural networks: evaluation and construction
von: Lu, J
Veröffentlicht: (2021)

Measuring Laser Beams with a Neural Network (Data)
von: Hofer, L, et al.
Veröffentlicht: (2022)

Towards robust machine learning with graph neural networks
von: Jaeckle, F
Veröffentlicht: (2022)

Towards efficient and reliable neural networks
von: de Jorge Aranda, P
Veröffentlicht: (2024)

When the state of the art is ahead of the state of understanding: Unintuitive properties of deep neural networks
von: Joan Serrà
Veröffentlicht: (2019-03-01)

Understanding approximation for Bayesian inference in neural networks
von: Farquhar, S
Veröffentlicht: (2022)

Additive Ensemble Neural Networks
von: Minyoung Park, et al.
Veröffentlicht: (2020-01-01)

Employee Attrition Prediction Using Deep Neural Networks
von: Salah Al-Darraji, et al.
Veröffentlicht: (2021-11-01)

AI-driven convolutional neural networks for accurate identification of yellow fever vectors
von: Taís Oliveira de Araújo, et al.
Veröffentlicht: (2024-08-01)

An Efficient Optimization Technique for Training Deep Neural Networks
von: Faisal Mehmood, et al.
Veröffentlicht: (2023-03-01)

Towards diverse generation and reliable classification using neural networks
von: Kulharia, V
Veröffentlicht: (2022)

Explainable Convolutional Neural Networks for Brain Cancer Detection and Localisation
von: Francesco Mercaldo, et al.
Veröffentlicht: (2023-09-01)

Deep vision for indoor understanding and localisation
von: Howard-Jenkins, H
Veröffentlicht: (2022)

Theoretical Understanding of Convolutional Neural Network: Concepts, Architectures, Applications, Future Directions
von: Mohammad Mustafa Taye
Veröffentlicht: (2023-03-01)

Sign language understanding using multimodal learning
von: Momeni, L
Veröffentlicht: (2024)

End-to-end learning, and audio-visual human-centric video understanding
von: Brown, A
Veröffentlicht: (2022)

Communicating Neural Network architectures for resource constrained systems
von: Abudu, P
Veröffentlicht: (2022)

Trinity: Neural Network Adaptive Distributed Parallel Training Method Based on Reinforcement Learning
von: Yan Zeng, et al.
Veröffentlicht: (2022-03-01)

Does the FARNet neural network algorithm accurately identify Posteroanterior cephalometric landmarks?
von: Merve Gonca, et al.
Veröffentlicht: (2024-10-01)

Extraction of Features for Time Series Classification Using Noise Injection
von: Gyu Il Kim, et al.
Veröffentlicht: (2024-10-01)

Optimising convolutional neural networks for large-scale neuroimaging studies
von: Dinsdale, NK
Veröffentlicht: (2021)

Bayesian quadrature for Gaussian process kernel learning, neural ensemble search, and high dimensional integrands
von: Hamid, S
Veröffentlicht: (2023)

Not So Robust after All: Evaluating the Robustness of Deep Neural Networks to Unseen Adversarial Attacks
von: Roman Garaev, et al.
Veröffentlicht: (2024-04-01)

AMAnD: an automated metagenome anomaly detection methodology utilizing DeepSVDD neural networks
von: Colin Price, et al.
Veröffentlicht: (2023-07-01)

On Robustness of Neural Architecture Search Under Label Noise
von: Yi-Wei Chen, et al.
Veröffentlicht: (2020-02-01)

Dysarthric-speech detection using transfer learning with convolutional neural networks
von: S R Mani Sekhar, et al.
Veröffentlicht: (2022-03-01)

A one-dimensional convolutional neural network-based deep learning approach for predicting cardiovascular diseases
von: Dhafer G. Honi, et al.
Veröffentlicht: (2024-01-01)

Convolutional Neural Networks in Detection of Plant Leaf Diseases: A Review
von: Bulent Tugrul, et al.
Veröffentlicht: (2022-08-01)

Landslide Susceptibility Modeling Using a Deep Random Neural Network
von: Cheng Huang, et al.
Veröffentlicht: (2022-12-01)

Enhancing adversarial robustness of quantum neural networks by adding noise layers
von: Chenyi Huang, et al.
Veröffentlicht: (2023-01-01)

A deep neural network approach to predicting clinical outcomes of neuroblastoma patients
von: Tranchevent, Léon-Charles, et al.
Veröffentlicht: (2021)

Deep neural network architectures for cardiac image segmentation
von: Jasmine El-Taraboulsi, et al.
Veröffentlicht: (2023-12-01)

Web-Based Malware Detection System Using Convolutional Neural Network
von: Ali Alqahtani, et al.
Veröffentlicht: (2023-09-01)

Deep learning approach with image noise reduction to determine planting density and defected paddy seedlings
von: Mohamed Anuar, Mohamed Marzhar
Veröffentlicht: (2022)

Graph neural networks for network analysis
von: He, Y
Veröffentlicht: (2024)