提高模拟神经网络鲁棒性：一种具有可解释正则化的噪声无关方法
机器学习
2024-09-16 v1 人工智能
光学
摘要
这项工作解决了在深度模拟神经网络中减轻“硬件噪声”这一关键挑战，这是推动模拟信号处理设备发展的一个主要障碍。我们提出了一种全面的、与硬件无关的解决方案，以解决影响深度神经模型激活层的相关和非相关噪声。我们方法的新颖之处在于，它能够通过揭示降低噪声敏感性的底层机制，来阐明抗噪声网络的“黑箱”本质。为此，我们引入了一个新的可解释正则化框架，该框架利用这些机制来显著增强深度神经架构的噪声鲁棒性。
引用
@article{arxiv.2409.08633,
title = {Improving Analog Neural Network Robustness: A Noise-Agnostic Approach with Explainable Regularizations},
author = {Alice Duque and Pedro Freire and Egor Manuylovich and Dmitrii Stoliarov and Jaroslaw Prilepsky and Sergei Turitsyn},
journal= {arXiv preprint arXiv:2409.08633},
year = {2024}
}