实体
Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture
Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture
PulseAugur coverage of Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture — every cluster mentioning Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的人工智能取证框架可追溯合成媒体的起源
研究人员开发了一种新颖的自指式逆合成分析框架，用于追溯人工智能模型生成的合成媒体的起源。该方法采用联合优化的编码器-解码器对，在不改变生成模型本身的情况下嵌入和验证溯源信息。该框架允许进行往返一致性检查，即对图像进行重新合成，并与原始查询图像进行比较以确定其来源。这种方法为可解释的人工智能取证提供了一个实用的工具，在保持视觉质量的同时提供可解释的内容来源证据。
-
新框架检测物联网环境MLaaS中的性能漂移
研究人员开发了一个新框架，用于检测物联网（IoT）环境中的机器学习即服务（MLaaS）的性能漂移。该框架名为MLaaS性能漂移检测（MPDD），解决了在客户端对服务进行黑盒访问时监控MLaaS稳定性的挑战。该系统利用一个提取模型来理解服务行为并识别影响因素，然后联合分析输入数据和服务行为的变化。一个自适应时间机制根据检测到的变化进一步优化监控频率，旨在实现更及时的漂移检测和改进的服务管理。