선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 단순히 을 증가시키며 심층 신경망 모델을 훈련하는 것은 오로지 그 순간의 만 집중하여 모델을 훈련하기만 할 뿐 더 높은 을 훈련할 것이라는 가이드라인을 제시할 수 없다는 단점이 있다. 따라서 우리는 기존 준비 과정에서의 에다 조금 더 큰 을 입력 배치에 혼합하여 더 높은 을 훈련할 것이라는 가이드라인을 심층 신경망 모델에 제시하여 성능을 향상하는 방법에 대해서 제안할 것이다.
- 이에 따라 많은 인증된방어 방법들은 제안되었으나, 그중에서 심층 신경망의 층마다 간단한 전파 규칙을 사용하는 구간 경계 전파(Interval Bound Propagation) 기반 방법[6, 7]이 가장 효과적인 방법으로 알려져 있다. 본 논문에서는 구간 경계 전파 방법에서의 훈련 과정을 연구하여 심층 신경망이 학습을더욱 잘할 수 있는 훈련 과정을 제안하며, 기존 구간 경계 전파 방법의훈련 시간을 유지하면서 성능을 향상할 수 있음을 보일 것이다.
- 본 논문에서는 인증 가능한 방어 방법 중에서 효율적인 기존의 구간 경계 전파 방법의 훈련 과정을 수정함으로써 훈련에 걸리는 시간을 유지하면서 성능을 향상할 방법을 제안하였다. 심층 신경망 모델을 효율적으로 학습하기 위해 입력 배치에 더 높은 에 대한 가이드라인을 제시하는 방법을 고안했으며, MNIST 데이터 셋에 대한 실험에서 가이드라인 과학습 난도에 따른 심층 신경망의 인증 가능한 방어 성능에 대한 영향을 분석하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.