高效可行生物合理的对抗训练
原文中文，约300字，阅读约需1分钟。发表于：。比较研究了 BP 算法和 PEPITA 算法在计算机视觉任务中对抗攻击的鲁棒性，结果显示 PEPITA 算法具有更高的内在对抗鲁棒性，并且在相同自然准确率下，其对抗准确率平均下降 0.26%，而 BP 算法下降 8.05%。
Adversarial Noise Propagation是一种训练算法，可提高深度模型的鲁棒性。该算法可与其他对抗性训练方法相结合，实现对对抗性和受损数据的强大鲁棒性。在多个数据集上的实验表明，该算法优于各种对抗性防御方法。
