Adversarial Training
Adversarial Training হলো ডিপ নিউরাল নেটওয়ার্কের জন্য একটি শক্তিশালী অপ্টিমাইজেশন পদ্ধতি যেখানে মডেলটিকে কেবল পরিষ্কার ডেটার উপর নয়, প্রশিক্ষণের সময় তৈরি করা সবচেয়ে খারাপ অবস্থার পরিবর্তিত ইনপুটগুলির উপরও প্রশিক্ষণ দেওয়া হয়। Madry et al. (2018) দ্বারা একটি min-max স্যাডল-পয়েন্ট সমস্যা হিসাবে আনুষ্ঠানিকীকৃত, এই পদ্ধতিটি প্রতিটি গ্রেডিয়েন্ট আপডেটের আগে একটি সীমিত Lp পার্টারবেশন সেটের মধ্যে শক্তিশালী অ্যাডভারসারিয়াল উদাহরণ তৈরি করতে প্রজেক্টেড গ্রেডিয়েন্ট ডিসেন্ট (PGD) ব্যবহার করে, যা নেটওয়ার্ককে এই ধরনের পার্টারবেশনের অধীনে স্থিতিশীল সিদ্ধান্ত সীমানা শিখতে বাধ্য করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Madry, A., Makelov, A., Schmidt, L., Tsipras, D., & Vladu, A. (2018). Towards deep learning models resistant to adversarial attacks. International Conference on Learning Representations (ICLR). link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/bn/deep-learning/adversarial-training
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ডেটা অগমেন্টেশনগভীর শিখন↔ compare
- জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কগভীর শিখন↔ compare
- Out-of-Distribution Detectionযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →