Adversarial Training
Adversarial Training on sügavate närvivõrkude robustne optimeerimismenetlus, kus mudelit ei treenita ainult puhaste andmetega, vaid ka treeningu käigus loodud pahatahtlikult häiritud sisenditega. Madry et al. (2018) poolt min-max sadulpunktiprobleemina formaliseeritud meetod kasutab projekteeritud gradiendi laskumist (PGD), et luua tugevaid vastaseid näiteid piiratud Lp-häirete komplektis enne iga gradiendi uuendust, sundides võrku õppima otsustuspiire, mis on selliste häirete korral stabiilsed.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/et/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.
- AndmetäiendusSüvaõpe↔ compare
- Generatiivne võistlev võrkSüvaõpe↔ compare
- Väljaspool jaotuspiirkonda tuvastusMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →