Badanie odporności modeli głębokiego uczenia z wykorzystaniem różnych rodzajów próbek złośliwych
| dc.contributor.author | Dydo-Rożniecka, Dorota | |
| dc.contributor.department | Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej | |
| dc.contributor.reviewer | Rotter, Paweł | |
| dc.contributor.supervisor | Kwiecień, Joanna | |
| dc.date.available | 2020-02-11T17:22:55Z | |
| dc.date.defence | 2020-01-15 | |
| dc.description.type | praca inżynierska | |
| dc.identifier.uri | https://repo.agh.edu.pl/handle/AGH/84821 | |
| dc.language.iso | pol | |
| dc.rights | AGH Licence (Thesis) - Fair Use | |
| dc.rights.access | otwarty dostęp | |
| dc.rights.accessNote | Brak zgody na udostępnienie pracy w czytelni Biblioteki Wydziałowej | |
| dc.rights.uri | https://repo.agh.edu.pl/info/licence-agh-thesis | |
| dc.subject | głębokie sieci neuronowe | pl |
| dc.subject | uczenie maszynowe | pl |
| dc.subject | próbki złośliwe | pl |
| dc.subject | odporność modelu | pl |
| dc.title | Badanie odporności modeli głębokiego uczenia z wykorzystaniem różnych rodzajów próbek złośliwych | pl |
| dc.title.alternative | Robustness of deep learning models using various types of adversarial samples | en |
| dc.type | praca dyplomowa | |
| dspace.entity.type | Publication | |
| thesis.degree.discipline | Automatyka i Robotyka (WEAIiIB) | pl |
| thesis.degree.fieldOfStudyInstanceCode | 15791 | |
| thesis.degree.formOfStudy | stacjonarne | pl |
| thesis.degree.grantor | Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie | pl |
| thesis.degree.level | studia pierwszego stopnia | pl |
| thesis.degree.name | inżynier | pl |
| thesis.identifier.dxp | 222330 | |
| thesis.statusORPD | ORPPD2_migrated | |
| thesis.statusORPD.info | Zmiana nazwiska z Dydo-Rożniecka na Lączak | pl |