Machine learningTraining techniques
敵対的学習
敵対的学習は、深層ニューラルネットワークのための堅牢な最適化手法であり、モデルはクリーンなデータだけでなく、学習中に生成される最悪ケースの摂動入力に対しても学習する。Madryら（2018）によって最小最大鞍点問題として形式化されたこの手法は、勾配更新の前に、境界付きLp摂動集合内で強力な敵対的例を生成するために射影勾配降下法（PGD）を使用し、ネットワークにそのような摂動下で安定な決定境界を学習させる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/ja/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.
- データ拡張（Data Augmentation）深層学習↔ compare
- Generative Adversarial Network深層学習↔ compare
- 分布外検出 (Out-of-Distribution Detection)機械学習↔ compare