文献

J-GLOBAL ID：202002231766611673   整理番号：20A2616847

ホワイトボックスへのブラックボックス:戦略的プロービングに基づく発見モデル特性【JST・京大機械翻訳】

Black Box to White Box: Discover Model Characteristics Based on Strategic Probing

著者 (4件)： Kalin Josh (Auburn University,Department of Computer Science and Software Engineering,Auburn,AL,USA) ,  Ciolino Matthew (PeopleTec, Inc,Huntsville,AL 35805,USA) ,  Noever David (PeopleTec, Inc,Huntsville,AL 35805,USA) ,  Dozier Gerry (Auburn University,Department of Computer Science and Software Engineering,Auburn,AL,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： AI4I  ページ： 60-63  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習では,白色Box Adversarial Attacksは,モデル属性に関する基礎知識を知ることに依存する。本研究は,モデル情報,即ち,基礎となるアーキテクチャと一次訓練データセットの断片を発見することに焦点を当てた。本論文における工程によって,入力プローブの構造化セットとモデルの出力は,深い分類装置のための訓練データになった。マシン学習における2つのサブドメインは,GPT-2による画像ベースの分類器とテキスト変圧器である。画像分類により,焦点は,一般的な公共図書館で利用可能な,一般的に展開されたアーキテクチャとデータセットを探索することである。多重レベルのパラメータを持つ単一変圧器アーキテクチャを用いて,テキスト生成を異なるデータセットの微調整により探索した。画像とテキストで探索された各データセットは互いに識別できる。テキスト変圧器出力における多様性は,テキストドメインにおけるアーキテクチャ属性を成功裡に分類するために,更なる研究が必要であることを意味する。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： プローブ ,  変圧器 ,  学習 ,  公共図書館 ,  分類装置 ,  *ブラックボックス ,  多重化 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 訓練データ ,  画像分類 ,  微調整 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ブラックボックス ,  戦略 ,  発見 ,  モデル