
敵対的学習では、ロバスト性のオーバーフィッティングが大きな問題となっている。本研究では、一様安定性を持つアルゴリズムMoreau Envelope-A (ME-A)を提案し、このオーバーフィッティングの問題を軽減することができる。さらに、ME-Aは弱凸非滑らかな問題に対しても一様安定性を持つ、という基本的な結果も示している。


coremsg

安定性の高いアルゴリズムによる敵対的学習とそれ以外の分野への応用

title_rewrite


本稿では、深層学習における敵対的学習が、ノイズのような非ロバストな特徴ではなく、まばらではあるものの重要なロバストな特徴の学習を促進することで、モデルのロバスト性を向上させることを理論的に証明しています。


構造化データにおける敵対的学習によるロバスト性の向上-特徴学習プロセスの理論的分析


構造化データにおける敵対的学習によるロバスト性の向上：特徴学習プロセスの理論的分析
