您好、欢迎来到现金彩票网!
当前位置:彩运网 > 封闭世界假设 >

伯克利深度学习专题课程:对抗生成网络创始人首次剖析训练实例(

发布时间:2019-06-11 19:13 来源:未知 编辑:admin

  原标题:伯克利深度学习专题课程:对抗生成网络创始人首次剖析训练实例(44PDF下载)

  【新智元导读】,它的提出者 OpenAI 研究员 Ian Goodfellow 日前在伯克利秋季深度学习课程发表演讲《对抗样本与对抗训练》。伯克利这套课程还在进行中,本文特附详细课程表及报名地址,官网还有更多资料下载【回复“1024深度学习”下载PPT全文(PDF格式);点击阅读原文观看 AI WORLD 2016 世界人工智能大会主论坛视频回顾】

  近年来,深度学习已经在包括计算机视觉,语音识别、自然语言处理以及机器人的许多领域取得了巨大进步。深度学习已经成为许多任务的主要解决方案,从在ImageNet竞赛中胜出到赢得围棋世界冠军。本课程旨在帮助学生深入了解深度学习,探索深度学习的最新研究方向以及新的应用。本课程要求学生对深度学习已有基本的了解。

  深度学习中的安全和隐私问题首先,我们将探讨对抗深度学习方面的攻击方法和防御方法,攻击者可以有目的地生成对抗样本来欺骗最先进的深度学习系统。接着,我们将探讨深度学习领域的隐私保护问题。使用隐私数据训练的深度学习系统可能记住并泄露隐私信息。我们将探讨模型反向攻击以及怎样为深度学习算法提供差分隐私保护。最后,我们将探讨深度学习在恶意软件和欺诈检测等安全应用中的作用。

  计算机视觉和语音识别主流之外的深度学习新领域首先,我们将探讨深度增强学习的新技术,包括将增强学习应用于传统的监督学习问题,以及将深度学习应用于涉及决策和控制的任务。其次,我们将探索深度学习、程序综合以及形式验证交叉的新领域。我们还将探索其他新的应用领域,例如使用深度学习进行图形分析。

  深度学习理论和系统的最新进展首先,我们将介绍生成模型的最新进展,包括变分自编码器和生成对抗网络。接着,我们将探索理解深度学习的最新理论进展,如深度渲染模型。最后,我们将探索深度学习系统和框架的最新进展,以及新的框架设计。

  鉴于对抗生成网络的重要性,同时这是相关最新技术讲解,新智元摘选 OpenAI 研究员、前谷歌大脑成员Ian Goodfellow的演讲《对抗样本及对抗训练》展示如下。更多资料可到官网查询:

  2013 年起,深度神经网络就已经在物体识别、人脸识别、验证码识别等方面超越人类水平

  对抗样本发展历程:从 2004 年到 2013 年,攻击能力越强,越难以防御

  结合不同机器学习方法实现可迁移性(参见上文所提及的论文 Papernot 2016)

  失败的防御手段:以前提出的多种防御对抗样本攻击的方法,比如生成预训练、混合模型、权重衰减、Dropout、非线性模型等等

  线性模型:SVM / 线性回归无法学会步进函数,因此对抗训练效果并不显著

  要点:神经网络实际上可以比其他模型更加安全。实践中,使用对抗训练神经网络在所有机器学习模型的对抗样本成效最佳

  基于模型的优化:就像从最初的汽车到现代轿车再到未来的自动驾驶汽车一样,我们要发明新的方法,让输入使模型的预测能力最大化,不断探索,做出新的发现

  如果你不打算参加该课程,但对课程的讲座嘉宾感兴趣,或者对伯克利有关深度学习的演讲感兴趣,请在以下论坛注册以收取今后的讲座通知邮件:

  点击阅读原文,观看2016世界人工智能大会主论坛全程回顾视频返回搜狐,查看更多

http://funnyland.net/fengbishijiejiashe/367.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有