ICMLJun, 2022
通过共享不变性度量神经网络的表征稳健性
Measuring Representational Robustness of Neural Networks Through Shared Invariances
Vedant Nanda, Till Speicher, Camila Kolling, John P. Dickerson, Krishna P. Gummadi...
TL;DR该论文提供了一种新的研究深度学习鲁棒性的方法,使用另一个参考神经网络来定义给定神经网络应该是不变的扰动集,从而使得衡量鲁棒性等于衡量两个神经网络共享的不变。通过提出一种称为 STIR 的新的相似度测量方法,可以获得有关共享不变的见解,并考察其与权重初始化、网络结构、损失函数和训练数据集的变化之间的关系。