面向认证少样本学习的平滑嵌入方法
机器学习
2023-06-06 v2 人工智能
摘要
随机平滑被认为是针对对抗扰动的最先进可证明防御。然而，它严重依赖于分类器将输入对象映射到类概率这一事实，而未关注那些学习度量空间、通过计算得到类原型的嵌入距离进行分类的模型。本工作中，我们将随机平滑扩展到将输入映射到归一化嵌入的少样本学习模型。我们提供了此类模型的利普希茨连续性分析，并推导了针对 有界扰动的鲁棒性证书，该证书可用于少样本学习场景。我们的理论结果在不同数据集上的实验得到了验证。
引用
@article{arxiv.2202.01186,
title = {Smoothed Embeddings for Certified Few-Shot Learning},
author = {Mikhail Pautov and Olesya Kuznetsova and Nurislam Tursynbek and Aleksandr Petiushko and Ivan Oseledets},
journal= {arXiv preprint arXiv:2202.01186},
year = {2023}
}