Robustesse structurelle des architectures d’apprentissage profond
Les réseaux de neurones profonds sont devenus les références dans beaucoup de problèmes d’apprentissage machine. Malheureusement, ils sont sensibles à divers types de bruits ou à des déformations des entrées. Dans ce travail, nous introduisons une nouvelle définition de robustesse caractérisant la constante de Lipschitz de la fonction du réseau dans un sous-ensemble restreint de son domaine de définition. Nous comparons cette définition à celles existantes, et discutons des liens avec différentes méthodes introduites dans la littérature afin accroître la robustesse des réseaux.
Télécharger le manuscrit.
Bibtex@inproceedings{LasGriTanOrt201908,
author = {Carlos Lassance and Vincent Gripon and
Jian Tang and Antonio Ortega},
title = {Robustesse structurelle des architectures
d’apprentissage profond},
booktitle = {GRETSI},
year = {2019},
month = {August},
}