Projekty finansowane przez NCN
ARES: Wyjaśnienia odporne na ataki w kierunku bezpiecznej i godnej zaufania SI
2021/43/O/ST6/00347
Słowa kluczowe:
wyjaśnialna sztuczna inteligencja adwersaryjne uczenie maszynowe modele predykcyjne dane obrazowe i tabelaryczne wyjaśnialna analiza modelu
Deskryptory:
- ST6_007: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
Panel:
ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne
Kierownik projektu (z jednostki realizującej):
Liczba wykonawców projektu: 2
Konkurs: PRELUDIUM BIS 3 - ogłoszony 2021-09-15
Przyznana kwota: 426 600 PLN
Rozpoczęcie projektu: 2022-10-01
Zakończenie projektu: 2026-09-30
Planowany czas trwania projektu: 48 miesięcy (z wniosku)
Status projektu: Projekt w realizacji
Opis Projektu
Pobierz opis projektu w formacie .pdf
Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.
Dane z raportu końcowego/rocznego
- Publikacje w czasopismach (1)
- Teksty w publikacjach pokonferencyjnych (1)
- Adversarial attacks and defenses in explainable artificial intelligence: A surveyAutorzy:Hubert Baniecki, Przemyslaw BiecekCzasopismo:Information Fusion (rok: 2024, tom: 107, strony: 102303), Wydawca: ElsevierStatus:OpublikowanaDoi:10.1016/j.inffus.2024.102303 - link do publikacji
- On the Robustness of Global Feature Effect ExplanationsAutorzy:Hubert Baniecki, Giuseppe Casalicchio, Bernd Bischl, Przemyslaw BiecekKonferencja:Machine Learning and Knowledge Discovery in Databases. Research Track (rok: 2024, tom: Machine Learning and Knowledge Discovery in Databases, strony: 125–142), Wydawca: SpringerData:konferencja 45544Status:OpublikowanaDoi:10.1007/978-3-031-70344-7_8 - link do publikacji