Trajnim i kundërshtueshëm
Trajnimi i kundërshtueshëm është një procedurë robuste optimizimi për rrjetet e thella neurale, në të cilën modeli trajtohet jo vetëm me të dhëna të pastra, por edhe me hyrje të shqetësuara në rastin më të keq, të krijuara gjatë trajnimit. E formalizuar nga Madry et al. (2018) si një problem me pikë shale min-max, metoda përdor Gradient Descent të Projektuar (PGD) për të gjeneruar shembuj të fortë kundërshtues brenda një grupi të kufizuar shqetësimi Lp para çdo përditësimi të gradientit, duke e detyruar rrjetin të mësojë kufij vendimmarrës që janë stabilë nën shqetësime të tilla.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/sq/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.
- Shtimi i të dhënaveMësimi i thellë↔ compare
- Rrjeti kundërshtar gjeneruesMësimi i thellë↔ compare
- Zbulimi i të dhënave jashtë shpërndarjesMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →