关键词distributional robust optimization
搜索结果 - 2
- CVPR走向公平感知的对抗学习
在这篇论文中,我们提出了一种名为公平感知对抗学习(FAAL)的新的学习范式,通过将鲁棒训练问题重新定义为最小 - 最大 - 最大框架,以确保训练模型的鲁棒性和公平性。具体而言,通过利用分布鲁棒优化,我们的方法旨在在不同类别之间找到最差的分布 - 通过分布式鲁棒优化学习解决路径规划问题
本文研究了应用于解决路由问题的深度模型在训练时通常只考虑单个数据分布,导致它们的交叉分布泛化能力受到严重削弱,因此提出采用分组分布式鲁棒优化来解决该问题,并设计了基于卷积神经网络的模块,以便让深度模型学习更多节点之间的相关信息。实验结果表明