文献

J-GLOBAL ID：202202236813182039   整理番号：22A1054381

スパース性による敵対的ロバスト性の達成【JST・京大機械翻訳】

Achieving adversarial robustness via sparsity

著者 (6件)： Liao Ningyi (Shanghai Jiao Tong University, Shanghai, China) ,  Wang Shufan (Shanghai Jiao Tong University, Shanghai, China) ,  Xiang Liyao (Shanghai Jiao Tong University, Shanghai, China) ,  Ye Nanyang (Shanghai Jiao Tong University, Shanghai, China) ,  Shao Shuo (Shanghai Jiao Tong University, Shanghai, China) ,  Chu Pengzhi (Shanghai Jiao Tong University, Shanghai, China)
資料名： Machine Learning  (Machine Learning)
巻： 111  号： 2  ページ： 685-711  発行年： 2022年 
JST資料番号： W2199A  ISSN： 0885-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ネットワーク剪定は,多くの精度劣化なしにコンパクトなモデルを生成することが知られている。しかし,剪定プロセスがネットワークロバスト性にどう影響するか,そして,作業メカニズムが未解決のままである。本研究では,ネットワーク重みのスパース性がモデルロバスト性と密接に関連することを証明した。多様な広告法,画像分類モデルおよびデータセットに関する実験を通して,著者らは,重量スパース性は, h butでないが,ロバスト性を改善し,そこでは,ロタリーチケットおよび敵対訓練からの重み継承の両方が,ネットワーク剪定におけるモデルロバスト性を改善することを見出した。これらの知見に基づいて,筆者らは,小さなネットワークから重みを継承することによって大きなネットワーク上に疎な重み分布を課す,逆重み継承と呼ばれる新しい敵対訓練法を提案し,それによって大きなネットワークのロバスト性を改善した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 広告 ,  ネットワーク ,  ニューラルネットワーク ,  *性質 ,  *ロバスト性
準シソーラス用語： *スパース性 ,  画像分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： 敵対的学習 ,  ニューラルネットワークの枝刈り ,  ロバスト性 ,  スパース性

分類 (5件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  脳・神経系モデル  (EL02050C) ,  数値計算  (JE02000J) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： スパース性 ,  敵対 ,  ロバスト性