深度极小极大概率机
机器学习
2019-11-21 v1 机器学习
摘要
深度神经网络具有强大的表示能力，并已在许多应用中被证明有效。然而，近期进展表明深度神经网络易受所谓对抗样本引起的对抗攻击。尽管对抗样本与输入样本仅有微小差异，神经网络仍将其分类为错误类别。为缓解此问题，我们提出深度极小极大概率机（DeepMPM），它以端到端方式将MPM应用于深度神经网络。在最坏情况下，MPM试图最小化误分类概率的上界，同时考虑全局信息（即每类的均值与协方差信息）。DeepMPM可更具鲁棒性，因为它学习了未来数据误分类概率的最坏情况界。在两个真实世界数据集上的实验取得了与CNN相当的分类性能，同时在对抗攻击下更为鲁棒。
引用
@article{arxiv.1911.08723,
title = {Deep Minimax Probability Machine},
author = {Lirong He and Ziyi Guo and Kaizhu Huang and Zenglin Xu},
journal= {arXiv preprint arXiv:1911.08723},
year = {2019}
}