25年查重低基于MNIST的对抗样本的机器学习模型鲁棒性研究.docx

下载本文档

阅读 0
格式 docx
大小 1.5 MB
约28页
2025-09-14
收藏
评论
点赞(0)
海报
举报

1/28页

2/28页

3/28页

4/28页

5/28页

6/28页

7/28页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/28

文本预览下载提示常见问题

摘要本研究着重探究对抗样本的形成手段，以及它对机器学习模型稳健性的作用原理，对抗样本经由给输入数据添加专门构造的小扰动来产生，这些扰动不易被人察觉，但却能极大地影响机器学习模型的预测准确率，致使模型做出错误判断。近年来，随着深度学习技术的广泛应用，对抗样本问题逐渐成为研究热点，尤其是在图像分类任务中，对抗样本对模型的威胁尤为显著。本研究旨在通过实验分析对抗样本的生成机制及其对模型性能的影响，并探索对抗训练在提升模型鲁棒性方面的有效性。本研究设计了一种带有四层卷积结构的神经网络模型，然后用 MNIST 数据集来训练它，这个数据集...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容