Fourierニューラル演算子に対する敵対的ロバスト性の評価【JST・京大機械翻訳】

Adesoji Abolaji D.; Chen Pin-Yu

プレプリント

J-GLOBAL ID：202202204260650504 整理番号：22P0328681

Fourierニューラル演算子に対する敵対的ロバスト性の評価【JST・京大機械翻訳】

Evaluating the Adversarial Robustness for Fourier Neural Operators

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 (2件)： ,
資料名：
発行年： 2022年04月08日プレプリントサーバーでの情報更新日： 2022年04月08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)

近年,機械学習(ML)駆動手法が科学発見分野で広く使われてきた。それらの中で,Fourierニューラルネットワーク(FNO)は,ゼロショット超分解能と優れた精度を有する乱流をシミュレートする最初のものであり,従来の偏微分方程式(PDE)ソルバと比較して,速度を著しく改善する。信頼性を検査するために,著者らは,ノルム結合データ入力摂動に基づいて,FNOのための敵対的用例を作り出すことによって,科学的発見モデルの敵対的ロバスト性に関する最初の研究を提供した。FNOモデル出力とPDEソルバの出力の間の平均二乗誤差に関して,著者らの結果は,モデルロバスト性が,特に2DDarcyとNavierケースのような非単純事例において,摂動レベルの増加とともに急速に低下することを示す。本研究は,MLベースの科学的発見モデルの敵対的ロバスト性を評価するための感度解析ツールと評価原理を提供した。【JST・京大機械翻訳】

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

人工知能 , データ保護 , ニューロコンピュータ , パターン認識

, , ,

前のページに戻る