畳込み層の特徴マップからの敵対的ロバスト性の理解【JST・京大機械翻訳】

Xu Cong; Zhang Wei; Wang Jun; Yang Min

プレプリント

J-GLOBAL ID：202202217709160285 整理番号：22P0295047

畳込み層の特徴マップからの敵対的ロバスト性の理解【JST・京大機械翻訳】

Understanding Adversarial Robustness from Feature Maps of Convolutional Layers

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： 2022年02月24日プレプリントサーバーでの情報更新日： 2024年01月29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の敵対的ロバスト性は主に2つの因子に依存する:モデル容量と反摂動能力。本論文では,畳み込み層の特徴マップからネットワークの反摂動能力を研究した。理論解析は,平均プール化前のより大きな畳み込み特徴マップが摂動に対するより良い抵抗に寄与することができるが,結論が最大プール化には当てはまらないことを発見している。それは,ロバストなニューラルネットワークの設計に新しいインスピレーションをもたらし,既存のアーキテクチャを改善するために,これらの知見を適用する。提案した修正は非常に簡単で,入力をアップサンプリングし,ダウンサンプリング演算子のストライド構成をわずかに修正する必要がある。著者らは,AlexNet,VGG,RestNet18,およびPreActResNet18を含むいくつかのベンチマークニューラルネットワークアーキテクチャに関する著者らのアプローチを検証した。種々の攻撃と防御機構の下で,自然精度と敵対的ロバスト性の両方に関する非自明な改善を達成できる。このコードは,ウルル{https://github.com/MTandHJ/rcm}で利用可能である。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , , ,

前のページに戻る