确定性对比随机动力学分类器：用噪声对抗随机对抗攻击
机器学习
2024-09-23 v1 无序系统与神经网络
统计力学
人工智能
摘要
连续变量放电率(CVFR)模型，在神经科学中广泛用于描述兴奋性生物神经元的相互纠缠动力学，本文将其作为真正的动力学辅助分类器进行训练和测试。为此，该模型配备了一组植入的吸引子，这些吸引子通过谱分解自洽地嵌入到节点间耦合矩阵中。学习分类相当于塑造施加的平衡点的吸引域，将不同的项目引导至相应的目标，这反映了各自所属的类别。还研究了CVFR模型的随机变体，并发现其对破坏待分类项目的随机对抗攻击具有鲁棒性。这一显著发现是噪声和动力学属性相互共振时产生的众多令人惊讶的效应之一。
引用
@article{arxiv.2409.13470,
title = {Deterministic versus stochastic dynamical classifiers: opposing random adversarial attacks with noise},
author = {Lorenzo Chicchi and Duccio Fanelli and Diego Febbe and Lorenzo Buffoni and Francesca Di Patti and Lorenzo Giambagli and Raffele Marino},
journal= {arXiv preprint arXiv:2409.13470},
year = {2024}
}