AAAIMar, 2022
噪声增强的数据中心健壮机器学习效率
Towards Efficient Data-Centric Robust Machine Learning with Noise-based Augmentation
Xiaogeng Liu, Haoyu Wang, Yechao Zhang, Fangzhou Wu, Shengshan Hu
TL;DR研究数据为中心的机器学习,通过引入多种噪声,提出了一种高效的数据增强方案,以提高黑盒测试环境下模型的鲁棒性。该方法基于轻量级算法构建,经过全面的评估,证明了在计算成本和鲁棒性增强方面的有效性。作者还分享了他们从实验中获得的数据为中心的鲁棒机器学习的见解。