SmOOD: Smoothness-based Out-of-Distribution Detection Approach for Surrogate Neural Networks in Aircraft Design

Houssem Ben Braiek, Ali Tfaily, Foutse Khomh, Thomas Reid, Ciro Guida

Communication écrite (2022)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département de génie informatique et génie logiciel
ISBN:
9781450394758
Adresse URL de PolyPublie:
https://publications.polymtl.ca/52324/
Nom de la conférence:
37th IEEE/ACM International Conference on Automated Software Engineering (ASE 2022)
Lieu de la conférence:
Rochester, MI, USA
Date(s) de la conférence:
2022-10-10 - 2022-10-14
Maison d'édition:
ACM
DOI:
10.1145/3551349.3556936
URL officielle:
https://doi.org/10.1145/3551349.3556936
OAI:
oai:publications.polymtl.ca:52324
ORCID
Date du dépôt:
18 avr. 2023 14:58
Dernière modification:
14 oct. 2026 14:10
Citer en APA 7:
Ben Braiek, H., Tfaily, A., Khomh, F., Reid, T., & Guida, C. (octobre 2022). SmOOD: Smoothness-based Out-of-Distribution Detection Approach for Surrogate Neural Networks in Aircraft Design [Communication écrite]. 37th IEEE/ACM International Conference on Automated Software Engineering (ASE 2022), Rochester, MI, USA (13 pages). https://doi.org/10.1145/3551349.3556936

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document