Are Not Bugs, They Are ()
文章核心:
作者认为 , 对抗性样本的存在不是网络架构的问题 , 而是数据集的一个属性 。( n o n ? r o b u s t f e a t u r e non-\,non?)
【[论文阅读笔记] Adversarial Examples Are Not Bu】is aof our ’to well-in the data.(对抗脆弱性是模型对数据中泛化较好的特征具备敏感性的直接结果 。)
主要做法:
文章插图
他分别构建了2种图像的特征:和non-
接下来考虑一个二分类问题 , 即 y ∈ { ? 1 , 1 } y \in \{-1, 1\} y∈{?1,1}(当然对对分类也是可以的) , 作者把特征分为以下3类:
此外 , 作者还发现不同架构的网络的 rate与该网络的Test 正相关 , 作者认为 , 在Test上性能越优越的网络可能利用了更多的non-特征 , 从而才提高了泛化能力 。
:
Afor(Non)- 未看懂
由于这些笔记是之前整理的 , 所以可能会参考其他博文的见解 , 如果引用了您的文章的内容请告知我 , 我将把引用出处加上~
如果觉得我有地方讲的不好的或者有错误的欢迎给我留言 , 谢谢大家阅读(点个赞我可是会很开心的哦)~
- 1 行为识别——论文整理
- 论文阅读:《Learning Universal Policies via Te
- c 和 cpp 版 整理动态规划笔记
- 原理图+源码+论文 嵌入式毕设分享 STM32音乐播放器设计与实现
- TOPSIS 优劣解距离法 学习笔记
- 华硕w519l 华硕w519l笔记本参数
- LeetCode笔记:343. Integer Break
- 月是故乡明季羡林阅读答案 月是故乡明季羡林读书笔记
- 北人食菱文言文阅读答案 北人食菱文言文阅读理解答案
- 图像特征检测笔记(特征检测基本概念,Harris,Shi-Tomasi