arXiv 机器学习· Daniel Agyei Asante, Mark Tetteh, Deborah Asamoah, Bernard Asante, Regina Esi Turkson·· 1 天前AI 评分32
基于局部稳定性样本选择的增强引导对抗训练
Augmentation-Guided Adversarial Training via Local Stability-Based Sample Selection
AI 导读
选择性对抗训练框架 AGAT 通过轻量级 ALS 指标衡量输入与增强变体间的 logits 归一化变化，专门筛选邻域不稳定样本执行对抗训练。在 MNIST、CIFAR-10、CIFAR-100 和 Tiny-ImageNet-200 上的实验显示，AGAT 每个 minibatch 仅需对 20-30% 的样本施加对抗监督，即可获得相当或更高的鲁棒准确率，且训练时间少于所有基准方法。
来源：arXiv 机器学习 · arxiv.org