- …
- …
#19
summarized by : Kota Yoshida
どんな論文か？
ルール縛られたAdversarialな摂動に対してロバストなDNNをトレーニングできることが示されているが，大規模なネットワークでの最適化の拡張が困難である．本研究では，Interval bound propagation (IBP)を活用して，適切なハイパーパラメータや損失関数によって大規模なDNNをAdversarialな摂動に対してロバストなトレーニングする方法を示す．
新規性
最悪の場合のロジットに対応した損失関数を使用し，ニューラルネットワークの最終出力の全結合層を削除することで，最も低くするようなロジットの場合の推定結果を改善する．
結果
MNIST、CIFAR-10、SVHN、およびダウンスケールしたImageNetで検証し，IBPは計算コストが低いだけでなく、単一モデルアーキテクチャの最高精度を実現した．
その他（なぜ通ったか？等）
github: https://github. com/deepmind/interval-bound-propagation
- …
- …