Лекция 16 | Примеры состязательных ситуаций и обучение состязательным ситуациям

В лекции 16 приглашенный лектор Иэн Гудфеллоу обсуждает состязательные примеры в глубоком обучении. Мы обсуждаем, почему глубокие нейронные сети и другие модели машинного обучения уязвимы для состязательных примеров, и как состязательные примеры могут быть использованы для атаки на системы машинного обучения. Мы рассматриваем потенциальные способы защиты от состязательных примеров и возможности их использования для улучшения систем машинного обучения даже без явного противника. Ключевые слова: Состязательные примеры, Обманчивые изображения, Быстрый градиентный метод распознавания знаков, Умный Ханс, Состязательная защита, Состязательные примеры в физическом мире, Состязательное обучение, Виртуальное состязательное обучение, Оптимизация на основе моделей Слайды: http://cs231n.stanford.edu/slides/201... -------------------------------------------------------------------------------------- Сверточные нейронные сети для визуального распознавания Преподаватели: Фей-Фей Ли: http://vision.stanford.edu/feifeili/ Джастин Джонсон: http://cs.stanford.edu/people/jcjohns/ Серена Йенг: http://ai.stanford.edu/~syyeung/ Компьютерное зрение стало повсеместным явлением в нашем обществе, находя применение в поиске, понимании изображений, приложениях, картографии, медицине, дронах и беспилотных автомобилях. Автомобили. В основе многих из этих приложений лежат задачи визуального распознавания, такие как классификация изображений, локализация и обнаружение. Недавние разработки в области нейронных сетей (также известных как «глубокое обучение») значительно повысили производительность этих современных систем визуального распознавания. Этот сборник лекций представляет собой углубленное изучение архитектур глубокого обучения с акцентом на обучение сквозных моделей для этих задач, в частности, для классификации изображений. Из этого сборника лекций студенты научатся реализовывать, обучать и отлаживать собственные нейронные сети и получат подробное представление о передовых исследованиях в области компьютерного зрения. Веб-сайт: http://cs231n.stanford.edu/ Для получения дополнительной информации о возможностях обучения, пожалуйста, посетите: http://online.stanford.edu/