データセットの可能性の利用:モデルロバスト性のためのデータ中心アプローチ【JST・京大機械翻訳】

Zhong Yiqi; Wu Lei; Liu Xianming; Jiang Junjun

プレプリント

J-GLOBAL ID：202202219709762288 整理番号：22P0301973

データセットの可能性の利用:モデルロバスト性のためのデータ中心アプローチ【JST・京大機械翻訳】

Exploiting the Potential of Datasets: A Data-Centric Approach for Model Robustness

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03月10日プレプリントサーバーでの情報更新日： 2022年03月10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)

悪意のある摂動に対する深層ニューラルネットワーク(DNN)のロバスト性は,信頼できるAIにおける最新の話題である。既存の技術は,モデル構造を修正するか,または推論または訓練のプロセスを最適化することによって,固定データセットを与えるロバストモデルを得る。著しい改善がなされてきたが,モデルロバスト性のための高品質データセットを構築する可能性は未調査のままである。Andrew Ngによって打ち上げられたデータ中心AIのキャンペーンに続いて,ロバスト性を改善するために,多くの既存のDNNモデルに対してよく働くデータセット強化のための新しいアルゴリズムを提案した。移動可能な敵対例と14種類の一般的崩壊を,著者らの最適化データセットに含めた。AlibabaグループとTsinghua大学によってホストされたデータ中心ロバスト学習競争において,著者らのアルゴリズムは,第1段階で3000以上の競争者から第3に出て,第2段階で第4位をランク付けした。著者らのコードは,ウルル{https://github.com/hncszyq/tianchi_challenge}で利用可能である。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , ,

前のページに戻る