Antrenament adversarial
Antrenamentul adversarial este o procedură robustă de optimizare pentru rețele neuronale profunde, în care modelul este antrenat nu doar pe date curate, ci și pe intrări perturbate în cel mai rău caz, create în timpul antrenamentului. Formalizată de Madry et al. (2018) ca o problemă de punct-șea de tip min-max, metoda utilizează Descinderea de Gradient Proiectat (PGD) pentru a genera exemple adversarial puternice într-un set de perturbare Lp mărginit, înainte de fiecare actualizare a gradientului, forțând rețeaua să învețe frontiere de decizie care sunt stabile sub astfel de perturbări.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/ro/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.
- Augmentarea datelorÎnvățare profundă↔ compare
- Rețea Generativă AdversarialÎnvățare profundă↔ compare
- Detecția în afara distribuției (Out-of-Distribution Detection)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →