fast adversarial training | BriefGPT

关键词fast adversarial training

搜索结果 - 8

灾难性过拟合：一种潜在的福祉
通过操纵特征激活差异来解决快速敌对训练中的灾难性过拟合问题，并通过攻击混淆来提高模型性能和鲁棒性。
PDF4 months ago
快速对抗训练与平滑收敛
通过引入振荡约束和权重集中化，该研究提出了一种改进快速对抗训练（Fast Adversarial Training）的方法，解决了其在处理大扰动限度时出现的灾难性过拟合问题，并通过攻击无关性的广泛实验验证了该方法的稳定性和优越性。
PDF10 months ago
通过 Lipschitz 正则化和自动权重平均探索高效快速的对抗训练的重访
该研究论文通过使用快速对抗训练技术（Fast Adversarial Training，简称 FAT）来提高模型的鲁棒性并减少标准对抗训练的训练成本，然而快速对抗训练经常受到灾难性过拟合（Catastrophic Overfitting，简
PDF10 months ago
利用先验引导知识改进快速对抗训练
本文提出了一种名为 FGSM-PGK 的方法，它使用先前的训练过程中高质量的对抗扰动来生成正样本引导的对抗初始化以及使用不同的衰减率平均不同模型权重的先验引导的集成快速对抗训练方法以提高对抗性能，从而解决了 catastrophic ove
PDFa year ago
CVPR快速对抗训练中的灾难性过拟合调查：自适应拟合视角
本文首次将 FGSM 示例解耦为数据信息和自身信息，发现了一种称为 “自适应拟合” 的有趣现象，探讨了减轻灾难性过拟合的旧方法以及将其扩展到多步对抗训练的新视角。其中，我们发现敌对训练中存在一种自学习机制，并为抑制不同类型信息的灾难性过拟合
PDFa year ago
ECCV利用先验信息引导的对抗性初始化进行快速对抗训练
本文针对快速对抗训练 (FAT) 出现的过拟合现象进行了研究，提出了一种基于先验引导的快速梯度符号方法 (FGSM) 初始化策略和正则化方法，有效预防了过拟合，提高了对抗训练的效率。实验结果表明该方法优于现有的同类方法。
PDF2 years ago
ECCV∞范数的健壮性与更多因素：高效对抗训练技术的实现
本篇论文阐述了对于神经网络存在攻击的情况下，如何通过对抗训练和小样本训练方法，提高模型的鲁棒性。
PDF3 years ago
探究快速对抗性训练
本文通过实验研究快速对抗训练的行为并显示其成功的关键在于从过度拟合弱攻击中恢复。我们进一步扩展了这一发现以改善快速对抗训练，展示了与强对抗训练相比更优异的鲁棒性准确性以及更短的训练时间。
PDF4 years ago