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。
本論文では,テキスト分類モデルのパフォーマンスを浪費する,統計的に分布外(OOD)サンプルと敵対(Adv)サンプルの間の差異と共通性を研究した。入力特徴,モデルの各層における隠れ表現,および分類器の出力確率分布の3つの側面から,2種類の異常(OODとAdvサンプル)を分布(ID)のものと比較する。OOD試料は最初の層から始まる収差を露出するが,Adv試料の異常はモデルのより深い層まで現れないことを見出した。また,Advサンプルに対するモデルの出力確率は,より不整合である傾向があることを示した。この観測に基づき,隠れ表現とモデルの出力確率を用いてID,OOD,およびAdvサンプルを分離する簡単な方法を提案した。ID,OODデータセット,およびAdv攻撃の多重組合せにおいて,提案手法はID,OOD,およびAdvサンプルを識別する例外的な結果を示した。【JST・京大機械翻訳】