デセプター摂動除去に対するデータ崩壊:システムロバスト性を改善するための前処理法の使用【JST・京大機械翻訳】

Le Hieu; Walker Hans; Tran Dung; Chin Peter

プレプリント

J-GLOBAL ID：202202201260940651 整理番号：22P0023636

デセプター摂動除去に対するデータ崩壊:システムロバスト性を改善するための前処理法の使用【JST・京大機械翻訳】

Corrupting Data to Remove Deceptive Perturbation: Using Preprocessing Method to Improve System Robustness

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月04日プレプリントサーバーでの情報更新日： 2022年01月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層ニューラルネットワークは,分類タスクに関して大きな性能を達成したが,最近の研究は,よく訓練されたネットワークが,微妙なノイズを加えることによって,フロアされることができることを示した。本論文では,自然に訓練された分類器のトップに回復プロセスを適用することにより,ニューラルネットワークロバスト性を改善する新しい手法を紹介した。このアプローチでは,画像はいくつかの有意なオペレータによって意図的に崩壊し,次に分類器を通過する前に回復した。SARGAN-(Generative Adversarial Network)(GAN)の拡張は,レーダ信号を雑音除去できる。本論文は,SARGANが敵対効果を除去することによって崩壊した画像を回復することができることを示した。結果は,この手法が自然に訓練されたネットワークの性能を改善することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , 【Automatic Indexing@JST】

パターン認識 , ニューロコンピュータ

, ,

前のページに戻る