Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Tida, Vijay Srinivas"'
The primary goal of this project is to develop privacy-preserving machine learning model training techniques for fNIRS data. This project will build a local model in a centralized setting with both differential privacy (DP) and certified robustness.
Externí odkaz:
http://arxiv.org/abs/2401.00973
DP-SGD has emerged as a popular method to protect personally identifiable information in deep learning applications. Unfortunately, DP-SGD's per-sample gradient clipping and uniform noise addition during training can significantly degrade model utili
Externí odkaz:
http://arxiv.org/abs/2312.02400
Transpose convolution has shown prominence in many deep learning applications. However, transpose convolution layers are computationally intensive due to the increased feature map size due to adding zeros after each element in each row and column. Th
Externí odkaz:
http://arxiv.org/abs/2209.03704
Autor:
Tida, Vijay Srinivas, Hsu, Sonya
Deep learning transformer models become important by training on text data based on self-attention mechanisms. This manuscript demonstrated a novel universal spam detection model using pre-trained Google's Bidirectional Encoder Representations from T
Externí odkaz:
http://arxiv.org/abs/2202.03480
An efficient fake news detector becomes essential as the accessibility of social media platforms increases rapidly.
Comment: 11 pages, 10 figures
Comment: 11 pages, 10 figures
Externí odkaz:
http://arxiv.org/abs/2202.01907
Publikováno v:
Big Data (2167-6461); Aug2024, Vol. 12 Issue 4, p331-342, 12p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.