原則付き敵対訓練によるいくつかの分布ロバスト性の認証【JST・京大機械翻訳】

Sinha Aman; Namkoong Hongseok; Volpi Riccardo; Duchi John

プレプリント

J-GLOBAL ID：202202214047347453 整理番号：22P0042694

原則付き敵対訓練によるいくつかの分布ロバスト性の認証【JST・京大機械翻訳】

Certifying Some Distributional Robustness with Principled Adversarial Training

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 (4件)： , , ,
資料名：
発行年： 2017年10月29日プレプリントサーバーでの情報更新日： 2020年05月01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)

ニューラルネットワークは敵対例に対して脆弱であり,研究者は多くの発見的攻撃と防御メカニズムを提案した。分散的にロバストな最適化の原理レンズを通してこの問題に対処し,敵対的入力摂動の下で性能を保証した。Wassersteinボールにおける基礎データ分布を摂動するLagrangeペナルティ定式化を考慮することにより,訓練データの最悪ケース摂動によるモデルパラメータ更新を増大させる訓練手順を提供した。滑らかな損失のために,著者らの手続きは,経験的リスク最小化に対して,ほとんど計算または統計的コストで,中程度のレベルのロバスト性を達成する。さらに,著者らの統計的保証は,個体群損失に対するロバスト性を効率的に証明することを可能にする。知覚不能な摂動に対して,著者らの方法は発見的アプローチを一致または凌駕する。【JST・京大機械翻訳】

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

人工知能 , データ保護

, , , , ,

前のページに戻る