ترجمه فارسی مقاله افزایش تنوع خروجی، حملات تخاصمی مبتنی بر گرادیان مزدوج را بهبود می‌بخشد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Enhancing Output Diversity Improves Conjugate Gradient-based Adversarial Attacks
عنوان مقاله به فارسی افزایش تنوع خروجی، حملات تخاصمی مبتنی بر گرادیان مزدوج را بهبود می‌بخشد
نویسندگان Keiichiro Yamamura, Issa Oe, Hiroki Ishikura, Katsuki Fujisawa
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 7 August, 2024; originally announced August 2024. , Comments: ICPRAI2024
توضیحات به فارسی ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: ICPRAI2024

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 640,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Deep neural networks are vulnerable to adversarial examples, and adversarial attacks that generate adversarial examples have been studied in this context. Existing studies imply that increasing the diversity of model outputs contributes to improving the attack performance. This study focuses on the Auto Conjugate Gradient (ACG) attack, which is inspired by the conjugate gradient method and has a high diversification performance. We hypothesized that increasing the distance between two consecutive search points would enhance the output diversity. To test our hypothesis, we propose Rescaling-ACG (ReACG), which automatically modifies the two components that significantly affect the distance between two consecutive search points, including the search direction and step size. ReACG showed higher attack performance than that of ACG, and is particularly effective for ImageNet models with several classification classes. Experimental results show that the distance between two consecutive search points enhances the output diversity and may help develop new potent attacks. The code is available at url{https://github.com/yamamura-k/ReACG}

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی عمیق در برابر نمونه های مخالف آسیب پذیر هستند و حملات مخالف که نمونه های متضاد را ایجاد می کنند در این زمینه مورد بررسی قرار گرفته اند.مطالعات موجود حاکی از آن است که افزایش تنوع خروجی های مدل به بهبود عملکرد حمله کمک می کند.این مطالعه بر حمله شیب کونژوگه خودکار (ACG) متمرکز شده است ، که از روش شیب مزدوج الهام گرفته شده و عملکرد تنوع بالایی دارد.ما فرض کردیم که افزایش فاصله بین دو نقطه جستجوی متوالی باعث افزایش تنوع خروجی می شود.برای آزمایش فرضیه ما ، ما Rescaling-ACG (reacg) را پیشنهاد می کنیم ، که به طور خودکار دو مؤلفه را اصلاح می کند که به طور قابل توجهی بر فاصله بین دو نقطه جستجوی متوالی ، از جمله جهت جستجو و اندازه مرحله تأثیر می گذارد.Reacg عملکرد حمله بالاتری نسبت به ACG نشان داد ، و به ویژه برای مدل های Imagenet با چندین کلاس طبقه بندی مؤثر است.نتایج تجربی نشان می دهد که فاصله بین دو نقطه جستجوی متوالی باعث افزایش تنوع خروجی می شود و ممکن است به ایجاد حملات قدرتمند جدید کمک کند.کد در url {https://github.com/yamamura-k/reacg} در دسترس است

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.