Analyzing the Impact of Adversarial Examples on Explainable Machine Learning
2Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : gb, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Analyzing the Impact of Adversarial Examples on Explainable Machine Learning
- Date Crossref
- 27/10/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Anglia Ruskin University pays non établi dans la noticeUniversité ou école supérieure
-
Silicon Labs (United States) pays non établi dans la noticeEntreprise
-
University of the Pacific pays non établi dans la noticeUniversité ou école supérieure
-
School of Computing and Information Science pays non établi dans la noticeUniversité ou école supérieure
-
Silicon University pays non établi dans la noticeUniversité ou école supérieure
Anglia Ruskin University, Silicon Labs (United States) et University of the Pacific, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Explainable Artificial Intelligence (XAI)Adversarial Robustness in Machine LearningGenerative Adversarial Networks and Image Synthesis