摘要
本发明提供一种协同对抗训练方法、系统、终端设备、介质及集成模型,其中,该方法包括对干净样本添加扰动,得到干净样本对应的对抗样本;分别针对干净样本、对抗样本二者中的任一者,将该一者分别输入每个子模型,获取子模型输出该一者的真实类别的概率;分别针对三个子模型中的任一个子模型,计算集成模型中除该一个子模型外其他两个子模型的概率差值,基于该一个子模型自身的概率和概率差值,构建该一个子模型的协同对抗训练损失,并结合交叉熵损失和协同对抗训练损失,进行反向传播算法,对该一个子模型的参数进行更新,直至集成模型满足预设标准。本发明能够提高协同对抗训练的鲁棒性。
技术关键词
样本
深度神经网络模型
传播算法
对抗训练系统
终端设备
表达式
可读存储介质
处理器
图像
参数
符号
指数
存储器
鲁棒性
计算机
标签
物体
中子
模块
系统为您推荐了相关专利信息
混合深度学习模型
抗菌肽
节点特征
序列
网络单元
水印嵌入方法
编码特征
标识
解密算法
训练人工智能模型
神经网络模型
样本
电子设备
计算机程序产品
大数据
滑坡易发性评估
动态评价方法
集成机器学习
因子
机器学习模型