ICLRApr, 2021
深度学习中欠指定问题的神经各向异性视角
A neural anisotropic view of underspecification in deep learning
Guillermo Ortiz-Jimenez, Itamar Franco Salazar-Reque, Apostolos Modas, Seyed-Mohsen Moosavi-Dezfooli, Pascal Frossard
TL;DR本研究通过几何角度研究深度学习系统在分布改变的情况下的鲁棒性表现,发现神经网络在解决任务时处理问题不确定性的方式高度依赖于数据表示方法,而这会影响学习者的几何和复杂性。此研究揭示了理解深度学习中建筑归纳偏差对于解决公平性、鲁棒性、和泛化性非常重要。