Improving Translational Accuracy
Woodward–Hoffmann Selection Rules and Microscopic Reversibility
Generalization, Discrimination, and Extinction
Principle of Equivalence
Associative Learning
Reducing Line Loss
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Xiangyuan Yang1, Jie Lin1, Hanlin Zhang2
1School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, China.
可转移的对抗性攻击难以转移到新的模型. 新的模糊域优化 (FOTA) 和自适应FOTA (Ada-FOTA) 方法显著提高了对不熟悉模型的对抗性示例可转移性.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: