standard accuracy | BriefGPT

关键词standard accuracy

搜索结果 - 7

ICCV用隐式表示约束的对抗微调来缓解精确性 - 鲁棒性权衡
通过引入 ARREST 方法，该论文提出了一种能够在深度神经网络中同时提高标准准确度和鲁棒性的对抗训练方法。
PDF10 months ago
ICML自适应认证培训：追求更好的准确性与鲁棒性之间的权衡
在此研究中，我们提出了一种基于自适应认证半径训练的新方法，旨在在保持高标准准确性的同时，提高模型的鲁棒性和准确性，从而推进现有准确性与鲁棒性的权衡。我们在 MNIST、CIFAR-10 和 TinyImageNet 数据集上验证了该方法的有
PDFa year ago
对抗训练分类准确率的精确统计分析
本文研究了针对二分类问题且数据按两个具有各向异性协方差矩阵的高斯混合分布产生的情况。在这个问题上，我们推导了一种具有极小 - 极大策略的经过对抗训练的模型在标准和鲁棒准确性方面的精确表现。
PDF4 years ago
线性回归的对抗训练中的精确权衡
本文详细描述了对高斯特征下的线性回归算法进行对抗训练的作用，给出了任何算法能够实现的准确度之间的基本权衡，并阐明了现代迷你最大对抗训练方法在高维度情况下达到的标准 / 稳健准确度和相应的权衡。
PDF4 years ago
利用最坏情况变换实现不变性正则化，提高准确性和空间稳健性
对标准或对抗训练添加正则化技术，可提高对空间扰动的容忍度，并缩小误差率，同时无需增加额外的计算成本，这种优化策略被证明比专门针对空间等变性的网络更加有效。在无穷大数据条件下，该训练模型也能同时提高 SVHN 数据集的标准准确率。
PDF5 years ago
对抗训练可能会损害泛化
本文研究了对抗训练在提高鲁棒精度（对抗方面）的同时又有可能降低标准精度（没有对抗方面）。通过构造凸学习问题，我们发现鲁棒精度和泛化能力之间存在基本的紧张关系，而利用未标记的数据进行鲁棒自我训练可以消除这种关系。
PDF5 years ago
ICLR鲁棒性可能与准确性相矛盾
我们证明了，追求对抗鲁棒性和标准泛化之间存在固有的紧张关系，训练鲁棒性模型不仅可能更加费时，也会导致标准准确性的降低，并且这种现象是由于鲁棒分类器学习了根本不同的特征表示方法。
PDF6 years ago