抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最先端の分類器は,主に敵の摂動に対して脆弱であることが示されている。ロバスト性を改善するための最も効果的な戦略の一つは,敵の訓練である。本論文において,著者らは分類景観と決定境界の幾何学に及ぼす敵の訓練の影響を研究した。特に,敵の訓練は入力に関して損失表面の曲率の有意な減少をもたらし,ネットワークのより大きな「線形」挙動をもたらすことを示した。局所二次近似を用いて,大きなロバスト性と小さな曲率の間の強い関係の存在に関する理論的証拠を提供した。さらに,ロバスト性を改善するための縮小曲率の重要性を示すために,損失表面の曲率を直接最小化する新しい正則化器を提案し,敵の訓練によるパール上にある敵のロバスト性を導いた。さらに,より効率的で,principls的訓練に対する代替案として,提案した正則化器は,ロバスト性を達成するために,データ点近傍で準線形挙動を示すことの重要性に関する主張を確認した。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】