★ 2
论文解释对抗训练神经网络显著性图稀疏性
研究为两层 ReLU 网络中对抗训练神经网络的梯度显著性图稀疏现象提供理论解释。作者基于对抗训练等价于带权重衰减惩罚和对抗全变差项的经验风险最小化，证明最小化器收敛到具有最小梯度和 Barron 范数的贝叶斯分类器，稀疏性源于 ℓ∞ 攻击下梯度范数的各向异性。
arXiv cs.LG24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究为两层 ReLU 网络中对抗训练神经网络的梯度显著性图稀疏现象提供理论解释。作者基于对抗训练等价于带权重衰减惩罚和对抗全变差项的经验风险最小化，证明最小化器收敛到具有最小梯度和 Barron 范数的贝叶斯分类器，稀疏性源于 ℓ∞ 攻击下梯度范数的各向异性。