Q-TART:敵対的ロバスト性と伝達性のための迅速訓練【JST・京大機械翻訳】

Ganesh Madan Ravi; Sekeh Salimeh Yasaei; Corso Jason J.

プレプリント

J-GLOBAL ID：202202201349722895 整理番号：22P0332312

Q-TART:敵対的ロバスト性と伝達性のための迅速訓練【JST・京大機械翻訳】

Q-TART: Quickly Training for Adversarial Robustness and in-Transferability

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 (3件)： , ,
資料名：
発行年： 2022年04月14日プレプリントサーバーでの情報更新日： 2022年04月14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)

生深層ニューラルネットワーク(DNN)性能は十分ではない。実世界の設定において,計算負荷,訓練効率および敵対的セキュリティは,ちょうど,または,さらに重要である。提案アルゴリズムQ-TART,AdversarialロバストネスのためのQuickly Train,およびTransferbilityを用いて,性能,効率,およびロバスト性を同時に処理することを提案した。Q-TARTは,雑音に対して高度に影響を受けやすいサンプルが,DNNによって学習された決定境界に強く影響し,次に,その性能と敵対感受率を低下させる。そのようなサンプルを同定および除去することにより,訓練データの部分集合のみを用いて,改善された性能と敵対的ロバスト性を実証した。著者らの実験を通して,著者らは,画像Netを含む多重データセット-DNN組合せを通してQ-TARTの高性能を強調して,既存の広告訓練アプローチと並んでQ-TARTの補足的挙動への洞察を提供し,一方,17.9%未満の訓練時間を用いて,ロバスト性を1.3%以上増加させた。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, ,

前のページに戻る