研究团队提出选择性对抗训练框架 AGAT
热点事件持续更新
研究团队提出选择性对抗训练框架 AGAT
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究团队提出增强引导对抗训练框架 AGAT，通过增强引起的局部变化筛选邻域不稳定样本；论文报告称，在 MNIST、CIFAR-10、CIFAR-100 和 Tiny-ImageNet-200 上，每个 minibatch 仅对 20%—30% 的训练样本施加对抗监督，鲁棒准确率与基线相当或更高，训练时间低于其他对抗训练基线。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
AGAT：基于局部稳定性样本选择的增强引导对抗训练报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningAGAT：基于局部稳定性样本选择的增强引导对抗训练
AGAT通过增强诱导的局部变化筛选邻域不稳定样本，以减少对抗训练的计算开销。在 MNIST、CIFAR-10、CIFAR-100 和 Tiny-ImageNet-200 上，AGAT每个 minibatch 仅对 20-30% 的训练样本施加对抗监督，鲁棒准确率与基线相当或更高，训练时间低于其他对抗训练基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。