通过熵正则化实现对抗鲁棒学习
机器学习
2021-02-22 v2 计算机视觉与模式识别
机器学习
摘要
在本文中，我们提出一类新的算法ATENT，用于训练对抗鲁棒的深度学习网络。我们构造了一个新的损失函数，其配备额外的熵正则化。我们的损失函数考虑了从数据空间中特别设计的分布抽取的对抗样本的贡献，该分布对高损失且与训练样本紧邻的点赋予高概率。我们提出的算法优化该损失以寻找损失景观中的对抗鲁棒谷。与MNIST和CIFAR-10等基准数据集上的几种最先进鲁棒学习方法相比，我们的方法在鲁棒分类准确率方面取得了有竞争力（或更好）的性能。
引用
@article{arxiv.2008.12338,
title = {Adversarially Robust Learning via Entropic Regularization},
author = {Gauri Jagatap and Ameya Joshi and Animesh Basak Chowdhury and Siddharth Garg and Chinmay Hegde},
journal= {arXiv preprint arXiv:2008.12338},
year = {2021}
}