BriefGPT - AI 论文速递
·
用于公平性的 GNN 的 Lipschitz 稳定性表征
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了神经网络的局部Lipschitz常数及其在鲁棒性、泛化性和公平性评估中的应用。提出了将非光滑向量值函数的局部Lipschitz常数与广义Jacobian范数最大化相关联的新颖分析结果，并给出了适用于广义Jacobian的反向传播的充分条件。同时，提出了一种算法来精确计算ReLU网络的Lipschitz常数，用于评价竞争Lipschitz估计量的紧密度和正则化训练对Lipschitz常数的影响。
🎯
关键要点
-
研究神经网络的局部Lipschitz常数及其在鲁棒性、泛化性和公平性评估中的应用。
-
提出将非光滑向量值函数的局部Lipschitz常数与广义Jacobian范数最大化相关联的新颖分析结果。
-
给出适用于广义Jacobian的反向传播的充分条件。
-
提出一种算法来精确计算ReLU网络的Lipschitz常数。
-
用于评价竞争Lipschitz估计量的紧密度和正则化训练对Lipschitz常数的影响。
🏷️
标签
➡️
