Huấn luyện đối kháng
Huấn luyện đối kháng là một quy trình tối ưu hóa mạnh mẽ cho các mạng nơ-ron sâu, trong đó mô hình được huấn luyện không chỉ trên dữ liệu sạch mà còn trên các đầu vào bị nhiễu tệ nhất được tạo ra trong quá trình huấn luyện. Được Madry et al. (2018) hình thức hóa như một bài toán điểm yên ngựa min-max, phương pháp này sử dụng Thuật toán Giảm độ dốc chiếu (PGD) để tạo ra các ví dụ đối kháng mạnh mẽ trong một tập nhiễu Lp bị chặn trước mỗi lần cập nhật gradient, buộc mạng phải học các ranh giới quyết định ổn định dưới các nhiễu loạn như vậy.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). Adversarial Training (Robust Optimization for DL). ScholarGate. https://scholargate.app/vi/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.
- Tăng cường dữ liệuHọc sâu↔ compare
- Generative Adversarial NetworkHọc sâu↔ compare
- Phát hiện ngoài phân phốiHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →