通过替代编码用于鲁棒性的神经网络约束
公开
摘要
本公开涉及通过替代编码用于鲁棒性的神经网络约束。神经网络被扩增以针对对手攻击提高鲁棒性。在该方法中，完全连接的附加层与神经网络的最后一层相关联。附加层具有比至少一个或多个中间层低的维度。在适当地调整附加层的大小之后，应用向量位编码。编码包括用于每个输出类的编码向量。优选地，编码是n热点编码，其中n表示超参数。然后训练所得神经网络以鼓励网络将特征与每个热点位置相关联。以此方式，网络学习表示包含关于每个输出类的大量信息的那些特征的减小的特征集，和/或学习那些特征和输出类之间的约束。经训练的神经网络用于执行针对对手示例鲁棒的分类。
基本信息
专利标题 ：
通过替代编码用于鲁棒性的神经网络约束
专利标题（英）：
暂无
公开（公告）号 ：
CN114611687A
申请号 ：
CN202111437150.5
公开（公告）日 ：
2022-06-10
申请日 ：
2021-11-30
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
K·埃克霍特李泰星I·M·莫莉张智勇
申请人 ：
国际商业机器公司
申请人地址 ：
美国纽约
代理机构 ：
中国贸促会专利商标事务所有限公司
代理人 ：
周磊
优先权 ：
CN202111437150.5
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
