关键词neural network robustness
搜索结果 - 2
- BulletTrain:通过边界示例挖掘加速鲁棒神经网络训练
提出了一种新的基于边界样例挖掘的技术 BulletTrain,通过动态预测重要样例并优化算法来大幅减少机器学习中对强鲁棒性训练所需的计算成本,并成功将其应用于多个已有的算法,包括 TRADES 和 MART 等,并在 CIFAR-10 和 - 仅需简单微调:通过对抗微调实现鲁棒深度学习
本研究提出了一种基于缓慢上升和快速下降型学习率调度策略的对抗微调方法,该方法通过有效的学习率调度策略显著降低了计算成本,同时提高了深度神经网络的准确性和鲁棒性。 实验结果表明,该方法在 CIFAR-10,CIFAR-100 和 ImageN