Oct, 2020

通过敌对模型扰动对神经网络进行规则化

TL;DR提出了一种基于对经验风险中扁平局部最小值理解的正则化方法——对抗模型扰动(AMP),该方法通过最小化 AMP 损失而非直接最小化经验风险,可帮助减轻过度拟合和改善泛化, 并已在各种现代深层架构上得到广泛验证。