Machine learningTraining techniques
적대적 훈련
적대적 훈련은 딥 신경망을 위한 강건한 최적화 절차로, 모델이 깨끗한 데이터뿐만 아니라 훈련 중에 생성된 최악의 경우 교란된 입력으로도 훈련됩니다. Madry 외 연구진(2018)에 의해 최소-최대 안장점 문제로 공식화된 이 방법은 각 그래디언트 업데이트 전에 유한한 Lp 섭동 집합 내에서 강력한 적대적 예제를 생성하기 위해 투영 그래디언트 하강(PGD)을 사용하며, 이를 통해 네트워크가 이러한 섭동 하에서 안정적인 결정 경계를 학습하도록 강제합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →