加甘迪普·辛格 0001
人员信息
附属: 伊利诺伊大学香槟分校,伊利诺伊州,美国 附属机构(2020年博士学位): 瑞士苏黎世ETH
其他同名人员
加甘迪普·辛格 — 消歧页 加甘迪普·辛格 0002 — IBM Research-瑞士苏黎世 (还有1个) 加甘迪普·辛格 0003 — 印度阿姆利则卡尔萨学院 (还有1个)
优化列表
2020年–今天
2024 【i21】 徐英伦 , 加甘迪普·辛格 :
有效的两阶段离线深度强化学习偏好反馈。 CoRR公司 abs/2401.00330 ( 2024 ) [i20] 徐英伦 , 罗汉·古马斯特 , 加甘迪普·辛格 :
针对离线强化学习的奖励中毒攻击。 CoRR公司 abs/2402.09695 ( 2024 ) [i19] Shubham Ugare公司 , 塔伦·苏雷什 , Hangoo Kang公司 , 萨萨·米塞洛维奇 , 加甘迪普·辛格 :
使用语法增强改进LLM代码生成。 CoRR公司 abs/2403.01632 ( 2024 ) [i18] 塔伦·苏雷什 , Shubham Ugare公司 , 加甘迪普·辛格 , 萨萨·米塞洛维奇 :
水印LLM生成的代码健壮吗? CoRR公司 abs/2403.17983 ( 2024 ) [i17] 德班舒·班纳吉 , 加甘迪普·辛格 :
使用交叉执行边界优化进行关系DNN验证。 CoRR公司 abs/2405.10143 ( 2024 ) 2023 [公元9年] 雅各布·劳雷尔 , 思源布兰特钱 , 加甘迪普·辛格 , 萨萨·米塞洛维奇 :
合成用于自动微分的精密静态分析仪。 程序。 ACM计划。 语言。 7 ( OOPSLA2公司 ) : 1964-1992 ( 2023 ) [j8] Shubham Ugare公司 , 德班舒·班纳吉 , 萨萨·米塞洛维奇 , 加甘迪普·辛格 :
神经网络的增量验证。 程序。 ACM计划。 语言。 7 ( PLDI公司 ) : 1920-1945 ( 2023 ) [第18条] 雷·杨(Rem Yang) , 雅各布·劳雷尔 , 萨萨·米塞洛维奇 , 加甘迪普·辛格 :
可证明的几何变换防御。 ICLR公司 2023 [第17条] 刘子坤 , 高级经济师徐长明 , 艾默生·西 , 加甘迪普·辛格 , 迪帕克·瓦西许 :
探索基于机器学习的无线系统的实际漏洞。 NSDI公司 2023 : 1801-1817 [第16条] 加甘迪普·辛格 :
用抽象解释在人工智能中建立信任和安全。 SAS公司 2023 : 28-38 [i16] 德班舒·班纳吉 , 阿瓦尔乔特·辛格 , 加甘迪普·辛格 :
解释深度神经网络的鲁棒性证明。 CoRR公司 abs/2301.13845 ( 2023 ) 【i15】 Shubham Ugare公司 , 德班舒·班纳吉 , 萨萨·米塞洛维奇 , 加甘迪普·辛格 :
神经网络的增量验证。 CoRR公司 abs/2304.01874 ( 2023 ) [第14条] 徐英伦 , 加甘迪普·辛格 :
针对在线深度强化学习的黑盒奖励中毒攻击。 CoRR公司 abs/2305.10681 ( 2023 ) [i13] Shubham Ugare公司 , 塔伦·苏雷什 , 德班舒·班纳吉 , 加甘迪普·辛格 , 萨萨·米塞洛维奇 :
增量随机平滑认证。 CoRR公司 abs/2305.19521 ( 2023 ) 2022 [j7] Shubham Ugare公司 , 加甘迪普·辛格 , 萨萨·米塞洛维奇 :
多近似神经网络快速证明的证明传递。 程序。 ACM计划。 语言。 6 ( OOPSLA1公司 ) : 1-29 ( 2022 ) [j6] 雅各布·劳雷尔 , 雷·杨(Rem Yang) , Shubham Ugare公司 , 罗伯特·纳格尔 , 加甘迪普·辛格 , 萨萨·米塞洛维奇 :
高阶自动微分抽象解释的一般构造。 程序。 ACM计划。 语言。 6 ( OOPSLA2公司 ) : 1007-1035 ( 2022 ) [j5] 吴浩泽 , 克拉克·W·巴雷特 , 马哈茂德·谢里夫 , 妮娜·纳洛季斯卡 , 加甘迪普·辛格 :
基于GNN的作业调度程序的可扩展验证。 程序。 ACM计划。 语言。 6 ( OOPSLA2公司 ) : 1036-1065年 ( 2022 ) 【j4】 雅各布·劳雷尔 , 杨磊 , 加甘迪普·辛格 , 萨萨·米塞洛维奇 :
Clarke Jacobians静态分析的对偶数抽象。 程序。 ACM计划。 语言。 6 ( POPL公司 ) : 1-30 ( 2022 ) [j3] 马克·尼古拉斯·米勒 , Gleb Makarchuk公司 , 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
PRIMA:通过可缩放的凸包近似进行通用和精确的神经网络认证。 程序。 ACM计划。 语言。 6 ( POPL公司 ) : 1-33 ( 2022 ) [第15条] 马克·费舍尔 , 克里斯蒂安·斯普雷切 , 迪米塔尔·迪米特洛夫 , 加甘迪普·辛格 , 马丁·T·维切夫 :
神经网络验证的共享证书。 CAV(1) 2022 : 127-148 [第14条] 迪米塔尔·伊利耶夫·迪米特洛夫 , 加甘迪普·辛格 , 蒂蒙·盖尔 , 马丁·T·韦切夫 :
经得起考验的对手示例。 ICLR公司 2022 [电子1] 加甘迪普·辛格 , Caterina城市 :
静态分析-第29届国际研讨会,SAS 2022,新西兰奥克兰,2022年12月5-7日,会议记录。 计算机科学课堂讲稿 13790, 施普林格 2022 ,国际标准图书编号 978-3-031-22307-5 [目录] [i12] 吴浩泽 , 克拉克·W·巴雷特 , 马哈茂德·谢里夫 , 尼娜·纳罗季斯卡 , 加甘迪普·辛格 :
基于GNN的作业调度程序的可扩展验证。 CoRR公司 abs/2203.03153 ( 2022 ) [i11] 徐英伦 , 齐增 , 加甘迪普·辛格 :
在线深度强化学习中的高效奖励中毒攻击。 CoRR公司 abs/2205.14842 ( 2022 ) [i10] 高级经济师徐长明 , 加甘迪普·辛格 :
强大的通用对抗扰动。 CoRR公司 abs/2206.10858 ( 2022 ) [第九章] 雷·杨(Rem Yang) , 雅各布·劳雷尔 , 萨萨·米塞洛维奇 , 加甘迪普·辛格 :
针对语义扰动训练可证明的鲁棒神经网络。 CoRR公司 abs/2207.11177 ( 2022 ) 2021 [第13条] 龙永良 , 陈嘉玉 , 米斯拉夫·巴卢诺维奇 , 加甘迪普·辛格 , 安德烈·玛丽安·丹 , 马丁·T·韦切夫 :
递归神经网络的可缩放多面体验证。 CAV(1) 2021 : 225-248 [第12条] 托比亚斯·洛伦茨 , 阿尼安·鲁斯 , 米斯拉夫·巴卢诺维奇 , 加甘迪普·辛格 , 马丁·T·韦切夫 :
点云模型的健壮性认证。 ICCV公司 2021 : 7588-7598 [第11条] 克里斯托夫·米勒 , 弗朗索瓦·塞雷 , 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
GPU上的缩放多面体神经网络验证。 MLSys公司 2021 [第10条] 刘子坤 , 加甘迪普·辛格 , 徐晨仁 , 迪帕克·瓦西斯特 :
FIRE:为FDD MIMO系统启用互惠。 移动通信 2021 : 628-641 [i8] 马克·尼古拉斯·米勒 , Gleb Makarchuk公司 , 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
神经网络认证的精确多神经元抽象。 CoRR公司 abs/2103.03638 ( 2021 ) [i7] 托比亚斯·洛伦茨 , 阿尼安·鲁斯 , 米斯拉夫·巴卢诺维奇 , 加甘迪普·辛格 , 马丁·T·韦切夫 :
点云模型的健壮性认证。 CoRR公司 abs/2103.16652 ( 2021 ) [i6] 克里斯蒂安·斯普雷切 , 马克·费舍尔 , 迪米塔尔·迪米特洛夫 , 加甘迪普·辛格 , 马丁·T·维切夫 :
神经网络验证的共享证书。 CoRR公司 abs/2109.00542 ( 2021 ) 2020 【b1】 加甘迪普·辛格 :
程序和深度学习的可扩展自动推理。 苏黎世理工大学、瑞士苏黎世, 2020 【c9】 拉斐尔·当奴 , 加甘迪普·辛格 , 帕沃尔·比利克 , 马丁·T·韦切夫 :
概率自回归预测模型的对抗性攻击。 ICML公司 2020 : 2356-2365 【c8】 何景轩 , 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
学习快速准确的数值分析。 PLDI公司 2020 : 2012年12月12日 [i5] 拉斐尔·丹·恩胡 , 加甘迪普·辛格 , 帕沃尔·比利克 , 马丁·T·韦切夫 :
概率自回归预测模型的对抗性攻击。 CoRR公司 abs/2003.03778 ( 2020 ) [i4] 龙永良 , 陈嘉玉 , 米斯拉夫·巴卢诺维奇 , 加甘迪普·辛格 , 安德烈·玛丽安·丹 , 马丁·T·韦切夫 :
递归神经网络的快速有效鲁棒性证明。 CoRR公司 abs/2005.13300 ( 2020 ) [i3] 克里斯托夫·米勒 , 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
基于GPU的神经网络鲁棒性验证。 CoRR公司 腹肌/2007.10868 ( 2020 ) [i2] 迪米塔尔·迪米特洛夫 , 加甘迪普·辛格 , 蒂蒙·盖尔 , 马丁·T·韦切夫 :
符号对立示例的可缩放推理。 CoRR公司 abs/2007.12133 ( 2020 )
2010 – 2019
2019 [注2] 加甘迪普·辛格 , 蒂蒙·盖尔 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
用于证明神经网络的抽象域。 程序。 ACM计划。 语言。 三 ( POPL公司 ) : 41:1-41:30 ( 2019 ) 【c7】 加甘迪普·辛格 , 蒂蒙·盖尔 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
增强神经网络的鲁棒性证明。 ICLR(海报) 2019 【c6】 加甘迪普·辛格 , 鲁潘舒·甘维尔 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
超越神经网络认证的单神经元凸屏障。 NeurIPS公司 2019 : 15072-15083 【c5】 米斯拉夫·巴卢诺维奇 , 马克西米利安·巴德 , 加甘迪普·辛格 , 蒂蒙·盖尔 , 马丁·T·韦切夫 :
证明神经网络的几何鲁棒性。 NeurIPS公司 2019 : 15287-15297 [i1] 马修·米尔曼 , 加甘迪普·辛格 , 马丁·T·维切夫 :
深层残余网络的可证明防御。 CoRR公司 abs/1903.12519 ( 2019 ) 2018 [j1] 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
数值抽象域分解的一种实用结构。 程序。 ACM计划。 语言。 2 ( POPL公司 ) : 55:1-55:28 ( 2018 ) 【c4】 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
带强化学习的快速数值程序分析。 CAV(1) 2018 : 211-229 【c3】 加甘迪普·辛格 , 蒂蒙·盖尔 , 马修·米尔曼 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
快速有效的鲁棒性认证。 NeurIPS公司 2018 : 10825-10836 2017 【c2】 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
快速多面体抽象域。 POPL公司 2017 : 46-59 2015 【c1】 加甘迪普·辛格 , 马库斯·普舍尔 , 马丁·T·韦切夫 :
快速进行数值程序分析。 PLDI公司 2015 : 303-313