論文の概要: [Re] Double Sampling Randomized Smoothing

• arxiv url: http://arxiv.org/abs/2306.15221v1
• Date: Tue, 27 Jun 2023 05:46:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-28 14:41:34.183947
• Title: [Re] Double Sampling Randomized Smoothing
• Title（参考訳）: [Re]二重サンプリングランダム化平滑化
• Authors: Aryan Gupta, Sarthak Gupta, Abhay Kumar, Harsh Dugar
• Abstract要約: 本稿では,ニューラルネットワーク(NN)の対向的摂動に対する堅牢性を証明することの課題に,機械学習の分野における課題の1つとして論じる。 提案したDouble Smpling Randomized Smoothing (DSRS) フレームワークは、スムーズな分布を追加してロバスト性認証を改善することで、既存のメソッドの制限を克服する。
• 参考スコア（独自算出の注目度）: 2.6763498831034043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper is a contribution to the reproducibility challenge in the field of machine learning, specifically addressing the issue of certifying the robustness of neural networks (NNs) against adversarial perturbations. The proposed Double Sampling Randomized Smoothing (DSRS) framework overcomes the limitations of existing methods by using an additional smoothing distribution to improve the robustness certification. The paper provides a clear manifestation of DSRS for a generalized family of Gaussian smoothing and a computationally efficient method for implementation. The experiments on MNIST and CIFAR-10 demonstrate the effectiveness of DSRS, consistently certifying larger robust radii compared to other methods. Also various ablations studies are conducted to further analyze the hyperparameters and effect of adversarial training methods on the certified radius by the proposed framework.
• Abstract（参考訳）: 本稿では、ニューラルネットワーク(NN)の対向的摂動に対する堅牢性を証明する問題に、機械学習分野における再現性への貢献について述べる。 提案したDouble Smpling Randomized Smoothing (DSRS) フレームワークは、スムーズな分布を追加してロバスト性認証を改善することで、既存のメソッドの制限を克服する。 本稿では,一般化されたガウス平滑化系に対するDSRSの明確化と,計算効率の良い実装法を提案する。 MNIST と CIFAR-10 の実験では、DSRS の有効性が示され、他の方法と比較してより大きなロバスト半径が証明されている。 また, 各種アブレーション研究を行い, 提案フレームワークによる超パラメータと, 逆行訓練法が認定半径に及ぼす影響について検討した。

関連論文リスト

• Distributionally Robust Safe Screening [14.973247943788234]
  本稿では,不必要なサンプルや特徴を特定するために,分散ロバストセーフスクリーニング(DRSS)手法を提案する。 DRSS法を理論的に保証し、合成および実世界のデータセットの数値実験によりその性能を検証する。
  論文  参考訳（メタデータ） (2024-04-25T04:29:25Z)
• Machine Learning Assisted Adjustment Boosts Efficiency of Exact Inference in Randomized Controlled Trials [12.682443719767763]
  提案手法は,I型誤差を頑健に制御し,ランダム化制御試験(RCT)の統計的効率を高めることができることを示す。 その応用は、第III相臨床試験のような、RCTの必要なサンプルサイズとコストを著しく削減する可能性がある。
  論文  参考訳（メタデータ） (2024-03-05T15:48:07Z)
• A Direct Sampling-Based Deep Learning Approach for Inverse Medium Scattering Problems [3.776050336003086]
  非均一な散乱体を再構成するための新しい直接サンプリングベースディープラーニング手法(DSM-DL)を提案する。 提案するDSM-DLは,計算効率が高く,ノイズに耐性があり,実装が容易で,自然に複数の計測データを組み込むことができる。
  論文  参考訳（メタデータ） (2023-04-29T12:29:30Z)
• A Provably Efficient Model-Free Posterior Sampling Method for Episodic Reinforcement Learning [50.910152564914405]
  強化学習のための既存の後方サンプリング手法は、モデルベースであるか、線形MDPを超える最悪の理論的保証がないかによって制限される。 本稿では,理論的保証を伴うより一般的な補足的強化学習問題に適用可能な,後部サンプリングのモデルフリーな新しい定式化を提案する。
  論文  参考訳（メタデータ） (2022-08-23T12:21:01Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Double Sampling Randomized Smoothing [19.85592163703077]
  二重サンプリングランダム化平滑化フレームワークを提案する。 サンプリングされた確率を、追加の滑らかな分布から利用して、以前の滑らかな分類器の堅牢性認証を強化する。 本研究では,DSRSが既存のデータセットよりも高いロバストラジイを常に異なる設定で証明していることを示す。
  論文  参考訳（メタデータ） (2022-06-16T04:34:28Z)
• AP-BSN: Self-Supervised Denoising for Real-World Images via Asymmetric PD and Blind-Spot Network [60.650035708621786]
  ブラインド・スポット・ネットワーク(BSN)とその変種は、自己監督型デノナイジングにおいて大きな進歩を遂げた。 自己教師付きBSNを用いて空間的に相関した実世界の雑音に対処することは困難である。 近年,実世界の雑音の空間的相関を取り除くために,画素シャッフルダウンサンプリング (PD) が提案されている。 本稿では,この問題に対処する非対称PD(AP)を提案する。
  論文  参考訳（メタデータ） (2022-03-22T15:04:37Z)
• Alternating Learning Approach for Variational Networks and Undersampling Pattern in Parallel MRI Applications [0.9558392439655014]
  高速並列磁気共鳴画像(MRI)におけるサンプリングパターン(SP)と変動ネットワーク(VN)パラメータの交互学習手法を提案する。 提案手法は安定であり,他の手法よりも高品質な画像を生成するVNパラメータを用いた有効SPを学習した。
  論文  参考訳（メタデータ） (2021-10-27T18:42:03Z)
• A Generalizable Model-and-Data Driven Approach for Open-Set RFF Authentication [74.63333951647581]
  高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。 RFF抽出と識別のために機械学習に基づく手法が提案されている。 生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:59:37Z)
• Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
  サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。 提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
  論文  参考訳（メタデータ） (2021-03-15T16:16:18Z)
• Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
  量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。 上記のプロパティをすべて享受する既存のメソッドはありません。 本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2020-02-25T15:12:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。