关键词adversarial training scheme
搜索结果 - 6
- 利用注意力和对抗训练的多变量时间序列表示学习
本文提出了一种基于变压器自编码器的、使用对抗训练方案进行正则化的人工多变量时间序列信号生成方法，通过 t-SNE 可视化、动态时间扭曲（DTW）和熵评分对生成的信号进行评估，结果表明与卷积网络方法相比，生成的信号与示例数据集的相似性更高。
- 具有隐式神经表示的空间自适应服装回归
本研究介绍了一种利用隐式神经表征的新型各向异性布料回归技术，其中包括创新的无网格抽样方法和新颖的对抗训练方案，以更好地捕捉细节布料纹理并保持计算效率。实验结果表明，在相同内存限制下，本方法在建模高度细节化的布料皱纹时始终超过传统的离散表示。
- 非参数回归问题中深度神经网络估计器的超范数收敛与对抗训练
我们展示了具有新颖对抗训练方案的深度神经网络估计器的上限范数收敛。对于非参数回归问题，已经证明使用深度神经网络的估计器可以在 $L2$- 范数意义上取得更好的性能。相比之下，由于神经网络模型的深度结构，最小二乘神经估计器很难实现上限范数的收 - ACL芝麻街上的混合语言：对抗性多语种者的黎明
本文介绍两种针对多语言模型的黑盒对抗攻击和一种高效的对抗性训练方案，以提高多语言模型处理混合语言的表现。短语级攻击的成功率为 89.75％，将 XLM-R-large 的平均准确性从 79.85 降至 8.18。
- KDD学习可迁移参数以用于长尾顺序用户行为建模
本文针对用户行为模型在面对长尾分布的用户行为数据时表现不佳的问题，提出了一种利用梯度方向信息以及对抗训练进行知识迁移的框架，广泛实验表明该框架明显优于现有基线模型。
- 医疗影像生成对抗网络：综述
本文综述了在医学图像方面使用对抗性训练方案的最新进展，这种方法利用生成对抗网络，能够在不显式建模概率密度函数的情况下生成数据，具有域自适应、数据增强和图像处理等优点。