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?

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180726A1HG5B00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券