關於對抗訓練的記錄

最近看了一些關於對抗訓練的論文，作一些筆記以備以後可以查看回顧。 現實中的時間序列或圖像，往往都是連續的。而我們輸入到模型中的數據，往往是不連續的。連續的輸入往往能產生較好的模型泛化能力。因此，有人提出在輸入中加入微小擾動試圖使模型更好的對抗噪聲擾動。[1]提出fast gradient sign method來生成對抗樣本，將對抗樣本的損失加入到原有的損失函數，進行訓練，可以使模型更好的對抗擾動

>>阅读原文<<