利用关键数据通路理解神经网络

分享背景

随着神经网络被广泛使用，关于神经网络的可解释性研究也逐渐受到关注。可解释性研究旨在帮助用户更好理解模型做出决策的原因，进一步理解模型运行机制。本次将分享王宇龙博士在今年CVPR2018上发表的最新工作，通过发现关键数据通路，理解网络决策过程。并且根据这一概念，提出了新的对抗样本防御策略，提升了神经网络在实际应用中的鲁棒性。

分享主题

利用关键数据通路理解神经网络

分享提纲

1. 神经网络可解释性研究当前主要流派回顾

2. 关键数据通路概念的提出以及优化求解方法

3. 神经网络中发现的关键数据通路所展示的语义特征

4. 利用关键数据通路概念，提出对抗样本防御新策略

分享人简介

王宇龙，清华大学计算机系人工智能研究所在读博士生。本科就读于清华大学电子系。主要研究方向为可解释机器学习，机器学习模型的对抗攻击与防御。

分享时间

北京时间 7 月 26 日（星期五） 早上 10:00

参与方式

想要获取更多直播干货？