input perturbation | BriefGPT

关键词input perturbation

搜索结果 - 8

具有相关输入扰动的差分隐私范围查询
本研究提出了一种类别的局部差分隐私机制，用于线性查询（尤其是范围查询），利用相关输入扰动来同时实现无偏、一致、统计透明，并通过准确性目标（可以是特定查询间隔或由分层数据库结构表示）对效用要求进行控制。所提出的级联抽样算法精确且高效地实例化了
PDF5 months ago
基于 Transformer 的自然语言处理模型微调鲁棒性研究
本文对三种基于 Transformer 的预训练语言模型（BERT、GPT-2 和 T5）进行了鲁棒性测试，并比较了它们在多种输入扰动下的性能表现。同时，使用 CKA 和 STIR 两个度量衡量了预训练模型与微调模型在各层上的表示变化。其中
PDFa year ago
输入扰动减少扩散模型中的暴露偏差
通过加入输入扰动以模拟推理时间预测误差，本文提出了一种简单而有效的训练正则化方法，以减轻 Denoising Diffusion Probabilistic Models 模型中的错误积累现象，并在维持较高的采样质量的同时，显著减少训练和推
PDFa year ago
知识库和文本上的可解释问答
本文研究机器学习问题回答模型在知识库和文本文档结合的情况下的可解释性，使用 LIME 和 input perturbation 进行后处理解释方法，并比较其与自我解释的注意机制的效果，结果表明 input perturbation 提供比
PDF5 years ago
差分隐私经验风险最小化与输入扰动
提出了一种新的差分隐私 ERM 框架：输入扰动。在这种框架中，每个数据贡献者独立地对其数据进行随机化并将扰动数据提交给数据库。我们证明了该框架在一定条件下，确保了使用随机化数据学习到的模型最终满足差分隐私，同时确保本地差分隐私得到了保证。该
PDF7 years ago
用谱范数正则化来提高深度学习的普适性
本研究通过对输入扰动的敏感性来研究基于深度学习的泛化能力，提出了一种简单而有效的正则化方法 —— 谱范数正则化，试验结果证实其比其他基准方法更具有泛化性能。
PDF7 years ago
Google Cloud Vision API 对噪声不够稳健
本文评估了 Google Cloud Vision API 对图像摄动输入的鲁棒性，并证明添加足够的噪音到图像中能够欺骗该 API 的分类器，从而证明了该 API 在对抗性环境中的脆弱性，并建议采用噪声过滤的方式改善该 API 的图像分析能
PDF7 years ago
AAAI基于 Wishart 机制的差分隐私主成分分析
提出了一种使用 Wishart 分布进行输入扰动以实现 (ε,0)- 差分隐私的新方法，应用于主成分分析，具有更好的效用保证。
PDF9 years ago