基于Lipschitz常数约束的胶囊网络鲁棒性增强

Journal of Yantai University(Natural Science and Engineering Edition)（2023）

引用 0|浏览0

暂无评分

摘要

为了提升胶囊神经网络的对抗鲁棒性,本文提出了基于Lipschitz常数约束的正则化方法,利用对抗训练方法来得到更加鲁棒的胶囊网络,将改进后的模型命名为 Lips-CapsNet.相比较其它模型而言,Lips-CapsNet计算简便,不需要对胶囊网络的结构做出任何改变.实验结果显示,模型在MNIST、SVHN等数据集上实现了鲁棒性的提升,尤其是在Fashion-MNIST数据集上,在较强的攻击算法下,对抗样本的预测精度提升可达8％.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要