एडवरसैरियल ट्रेनिंग (Adversarial Training)
एडवरसैरियल ट्रेनिंग (Adversarial Training) डीप न्यूरल नेटवर्क के लिए एक सुदृढ़ ऑप्टिमाइजेशन प्रक्रिया है जिसमें मॉडल को केवल स्वच्छ डेटा पर ही नहीं, बल्कि प्रशिक्षण के दौरान तैयार किए गए सबसे खराब-स्थिति वाले परेशान इनपुट पर भी प्रशिक्षित किया जाता है। मैड्री एट अल. (2018) द्वारा एक मिन-मैक्स सैडल-पॉइंट समस्या के रूप में औपचारिक रूप से प्रस्तुत की गई यह विधि, प्रत्येक ग्रेडिएंट अपडेट से पहले एक बाउंडेड Lp परटर्बेशन सेट के भीतर मजबूत एडवरसैरियल उदाहरण उत्पन्न करने के लिए प्रोजेक्टेड ग्रेडिएंट डिसेंट (PGD) का उपयोग करती है, जिससे नेटवर्क को ऐसे परटर्बेशन के तहत स्थिर निर्णय सीमाएँ सीखने के लिए मजबूर किया जाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/hi/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.
- डेटा ऑग्मेंटेशनगहन अधिगम↔ compare
- जनरेटिव एडवरसैरियल नेटवर्कगहन अधिगम↔ compare
- आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शनमशीन अधिगम↔ compare