BriefGPT - AI 论文速递
·
一个极小极大优化控制方法用于稳健神经 ODE
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种替代经验风险最小化的方法，通过处理输入扰动来实现可靠结果。利用控制理论的工具来开发和理解机器学习，将深度神经网络解释为控制系统离散化。文章提供了鲁棒训练的新解释，并在低维分类任务上进行了测试。
🎯
关键要点
- 本文提出了一种替代经验风险最小化的方法。
- 通过处理输入扰动来实现可靠结果。
- 将深度神经网络解释为控制系统的离散化。
- 利用控制理论的工具来开发和理解机器学习。
- 对抗性训练被描述为极小极大最优控制问题。
- 推导出Pontryagin's Maximum Principle形式的一阶最优性条件。
- 提供了鲁棒训练的新解释。
- 提出了一种替代加权技术，并在低维分类任务上进行了测试。
➡️
