サンプリングは確率的ニューラルネットワークのロバスト性にどのように影響するか【JST・京大機械翻訳】

Daeubener Sina; Fischer Asja

プレプリント

J-GLOBAL ID：202202212857472189 整理番号：22P0337050

サンプリングは確率的ニューラルネットワークのロバスト性にどのように影響するか【JST・京大機械翻訳】

How Sampling Impacts the Robustness of Stochastic Neural Networks

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22日プレプリントサーバーでの情報更新日： 2023年03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)

確率的ニューラルネットワーク(SNN)はランダム関数であり,その予測が複数の実現を平均化することによって得られる。その結果,勾配ベースの敵対用例を,1セットのサンプルと別の集合に関する分類に基づいて計算した。本論文では,与えられたサンプルベース攻撃に対してロバストである確率予測のための十分条件を導出した。これにより,SNNのロバスト性の増加をもたらす因子を同定し,理論的説明を与えた。(i)良く知られた観測は,敵対例の推定のために引き出される試料の量の増加が,攻撃強度を増加させ,(ii)攻撃中のサンプル数の増大が確率的性の影響を完全に低減できない理由,(iii)推論中のサンプルサイズがロバスト性に影響を与えない理由,および(iv)より高い勾配分散と勾配の短い期待値がより高いロバスト性に関連する理由,(iv)なぜなら,(iii)なぜなら,なぜ,推論中のサンプルサイズが,ロバスト性に影響を及ぼさないか,(iv)高いロバスト性とは関係しない,という事であった。著者らの理論的知見は,攻撃強度またはモデルロバスト性を増加させるための以前に提案されたアプローチの根底にある機構に関する統一的な見解を与え,広範な経験的解析によって検証した。【JST・京大機械翻訳】

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

データ保護 , ニューロコンピュータ

, ,

前のページに戻る