知识卡片
对抗训练与对抗样本
对抗样本是在人类无法察觉的微小扰动下导致网络以很高置信率误判的输入,暴露模型是否真正理解任务。一个重要成因是过度线性:网络由线性块构成,线性函数对多输入的值可随小扰动剧烈变化。对抗训练在受对抗扰动的样本上训练,鼓励网络在训练点附近的局部区域输出恒定,相当于引入局部恒定先验,限制高度敏感的局部线性行为。纯线性模型因只能线性而无法抵抗,神经网络则能学到局部近似恒定、既捕获线性趋势又抵抗扰动。对抗样本还能做半监督:用模型给未标注点分配的伪标签构造虚拟对抗样本,训练分类器对原样本与其扰动分配相同标签,鼓励沿数据流形微小变化都鲁棒。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 深度学习中的正则化 · 查看原书依据
对抗训练通过鼓励网络在训练数据附近的局部区域恒定来限制这一高度敏感的局部线性行为。这可以看作一种明确地向监督神经网络引入局部恒定先验的方法。
参考来源
- 位置:《深度学习》第7章 深度学习中的正则化(源文件:extracted/深度学习/_epub-src/text/part0003.html)
- 结论依据:原文指出对抗样本源于过度线性,把对抗训练解释为引入局部恒定先验,并介绍虚拟对抗样本的半监督用法。
- 原始内容:对抗训练通过鼓励网络在训练数据附近的局部区域恒定来限制这一高度敏感的局部线性行为。这可以看作一种明确地向监督神经网络引入局部恒定先验的方法。