免疫仿生深度神经网络（Immuno-Net）
神经与进化计算
2021-07-08 v1 人工智能
机器学习
摘要
仿生学在人工神经网络的演进中发挥了关键作用。迄今为止，计算机内的隐喻主要被来自神经科学与认知心理学的概念所主导。在本文中，我们引入了一种不同类型的仿生模型，该模型借鉴免疫系统的概念，用于设计鲁棒的深度神经网络。这种免疫仿生模型为深度神经网络抵御对抗攻击的鲁棒化提供了一种新的计算生物学框架。在此 Immuno-Net 框架内，我们定义了一种鲁棒自适应免疫启发学习系统（Immuno-Net RAILS），它在计算机中模拟了 B 细胞用于防御哺乳动物宿主免受病原攻击的自适应生物机制。当应用于基准数据集上的图像分类任务时，我们证明 Immuno-net RAILS 使基线方法 DkNN-robustified CNN 的对抗准确率提升了高达 12.5%，且在干净数据上无明显精度损失。
引用
@article{arxiv.2107.02842,
title = {Immuno-mimetic Deep Neural Networks (Immuno-Net)},
author = {Ren Wang and Tianqi Chen and Stephen Lindsly and Cooper Stansbury and Indika Rajapakse and Alfred Hero},
journal= {arXiv preprint arXiv:2107.02842},
year = {2021}
}