Sep, 2024
神经网络序列化:迈向可扩展的黑箱神经网络确切参数重构
Sequencing the Neurome: Towards Scalable Exact Parameter Reconstruction
of Black-Box Neural Networks
TL;DR本研究解决了仅通过查询访问推断神经网络精确参数的NP-Hard问题,填补了现有算法的空白。通过识别随机初始化和一阶优化的诱导偏差及提出新颖的查询生成算法,成功重构了含150万参数的隐藏网络,实现最大参数差异小于0.0001,展现了在多种架构和数据集中的鲁棒性和可扩展性。