אימון יריבי (Adversarial Training)
אימון יריבי הוא הליך אופטימיזציה חסון עבור רשתות נוירונים עמוקות, שבו המודל מאומן לא רק על נתונים נקיים אלא גם על תשומות שהופרעו באופן מכוון (worst-case perturbed inputs) אשר נוצרו במהלך האימון. השיטה, שפורמלה על ידי Madry et al. (2018) כבעיית אוכף מינימקס, משתמשת בירידת גרדיאנט מושלכת (PGD) כדי לייצר דוגמאות יריביות חזקות בתוך קבוצת הפרעות Lp חסומה לפני כל עדכון גרדיאנט, ובכך מאלצת את הרשת ללמוד גבולות החלטה יציבים תחת הפרעות כאלה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/he/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.
- הגברת נתוניםלמידה עמוקה↔ compare
- רשת יריבות יוצרת (Generative Adversarial Network)למידה עמוקה↔ compare
- זיהוי מחוץ לתחום התפלגותלמידת מכונה↔ compare