Adverzariális képzés
Az adverzariális képzés egy robusztus optimalizálási eljárás mély neurális hálózatok számára, amelyben a modellt nem csak tiszta adatokon, hanem a képzés során létrehozott, legrosszabb esetben perturbált bemeneteken is tanítják. A Madry et al. (2018) által min-max nyeregpont problémaként formalizált módszer a Projektált Gradiens Módszert (PGD) használja erős adverzariális példák generálására egy korlátozott Lp perturbációs halmazon belül, minden gradiensfrissítés előtt, arra kényszerítve a hálózatot, hogy olyan döntési határokat tanuljon, amelyek stabilak az ilyen perturbációk mellett.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/hu/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.
- AdatbővítésMélytanulás↔ compare
- Generative Adversarial NetworkMélytanulás↔ compare
- Eloszlásból Kívüli DetektálásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →