针对对抗鲁棒性的更精细校准分析
机器学习
2021-05-07 v2 机器学习
摘要
我们对对抗鲁棒分类的 H-校准给出了更具一般性的分析。通过采用更精细的校准定义，我们能够涵盖超出先前工作所研究的受限假设集之外的设定。具体而言，我们的结果对机器学习中使用的大多数常见假设集均成立。我们既修正了先前的若干校准结果（Bao et al., 2020），也推广了其他结果（Awasthi et al., 2021）。此外，我们的校准结果结合 Awasthi et al.（2021）先前的相容性研究，亦导出了涵盖常见假设集的更一般 H-相容性结果。
引用
@article{arxiv.2105.01550,
title = {A Finer Calibration Analysis for Adversarial Robustness},
author = {Pranjal Awasthi and Anqi Mao and Mehryar Mohri and Yutao Zhong},
journal= {arXiv preprint arXiv:2105.01550},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2104.09658