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。
敵対的摂動は様々な深層ニューラルネットワークにおいて大きな注目を集めている。それらのほとんどは反復によって計算され,非常に良く解釈できない。対照的に,サポートベクトルマシンのような基本的な機械学習モデルにはほとんど注意が払われていない。本論文では,サンプル-敵対摂動(sAP),クラス-ユニバーサル敵対摂動(cuAP),および普遍的敵対摂動(uAP)を含むサポートベクトルマシンに対する3種類の敵対的摂動に対する最適化モデルおよび解釈を検討した。線形バイナリ/多重分類サポートベクトルマシン(SVM)に対して,sAP,cuAPおよびuAP(二値ケース)に対する明示的解およびマルチ分類のuAPに対する近似解を導いた。また,uAPに対するホーミング率の上限を得た。そのような結果は,3つの敵対的摂動の可読性を増加させるだけでなく,反復プロセスを避けることができるので,計算において大きな利便性を提供する。数値結果は,著者らの方法が3種類の敵対的摂動の計算において高速で有効であることを示した。【JST・京大機械翻訳】