腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
算法和应用
专栏作者
举报
44
文章
26980
阅读量
9
订阅数
订阅专栏
申请加入专栏
全部文章(44)
编程算法(11)
分布式(6)
线性回归(4)
二叉树(4)
cdn 边缘计算(3)
决策树(3)
嵌入式(2)
神经网络(2)
高性能计算(2)
数据分析(2)
NLP 服务(1)
机器学习(1)
深度学习(1)
批量计算(1)
日志服务(1)
时序数据库 CTSDB(1)
天御验证码(1)
腾讯云测试服务(1)
es 2(1)
量子密钥管理服务(1)
缓存(1)
监督学习(1)
数据处理(1)
数据结构(1)
云计算(1)
任务调度(1)
密钥管理服务(1)
即时通信 IM(1)
allocation(1)
analysis(1)
case(1)
free(1)
hidden(1)
matching(1)
numbers(1)
probability(1)
protocols(1)
selection(1)
table(1)
集群(1)
搜索文章
搜索
搜索
关闭
对具有对抗性噪声的可压缩信号进行恢复保证
神经网络
摘要:我们为已经被噪声破坏的可压缩信号提供恢复保证,并扩展了[1]中引入的框架,以防御神经网络对抗l0范数和ℓ2范数攻击。具体地说,对于在某些变换域中近似稀疏并且已经被噪声扰动的信号,我们提供了在变换域中准确恢复信号的保证。然后,我们可以使用恢复的信号在其原始域中重建信号,同时在很大程度上消除噪声。我们的结果是通用的,因为它们可以直接应用于实际使用的大多数单位变换,并且适用于l0范数有界噪声和l2范数有界噪声。在l0-norm有界噪声的情况下,我们证明了迭代硬阈值(IHT)和基础追踪(BP)的恢复保证。对于ℓ2范数有界噪声,我们为BP提供恢复保证。理论上,这些保证支持[1]中引入的防御框架,用于防御神经网络对抗敌对输入。最后,我们通过IHT和BP对抗One Pixel Attack [21],Carlini-Wagner l0和l2攻击[3],Jacobian Saliency Based攻击[18]和DeepFool攻击[17]对CIFAR进行实验证明这个防御框架-10 [12],MNIST [13]和Fashion-MNIST [27]数据集。这扩展到了实验演示之外。
罗大琦
2019-07-18
529
0
讨论覆盖函数中偏函数扩展的复杂性
机器学习
神经网络
摘要:覆盖函数是子模块函数的重要子类,可用于机器学习,博弈论,社交网络和设施位置。我们研究了覆盖函数的偏函数扩展的复杂性。也就是说,给定由[m]的子集族和每个点的值组成的部分函数,是否存在在[m]的所有子集上定义的扩展该偏函数的覆盖函数?偏函数扩展以前是针对其他函数类进行研究的,包括布尔函数和凸函数,并且在许多领域都很有用,例如在学习这些函数类时获得边界。
罗大琦
2019-07-18
775
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档