ترجمه فارسی مقاله دستاوردهای محدود اما ثابت در استحکام خصمانه با آموزش مدل‌های تشخیص اشیا با EEG انسانی

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 Limited but consistent gains in adversarial robustness by co-training object recognition models with human EEG
عنوان مقاله به فارسی دستاوردهای محدود اما ثابت در استحکام خصمانه با آموزش مدل‌های تشخیص اشیا با EEG انسانی
نویسندگان Manshan Guo, Bhavin Choksi, Sari Sadiya, Alessandro T. Gifford, Martina G. Vilas, Radoslaw M. Cichy, Gemma Roig
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Human-Computer Interaction,یادگیری ماشین , هوش مصنوعی , تعامل انسان و رایانه ,
توضیحات Submitted 5 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

In contrast to human vision, artificial neural networks (ANNs) remain relatively susceptible to adversarial attacks. To address this vulnerability, efforts have been made to transfer inductive bias from human brains to ANNs, often by training the ANN representations to match their biological counterparts. Previous works relied on brain data acquired in rodents or primates using invasive techniques, from specific regions of the brain, under non-natural conditions (anesthetized animals), and with stimulus datasets lacking diversity and naturalness. In this work, we explored whether aligning model representations to human EEG responses to a rich set of real-world images increases robustness to ANNs. Specifically, we trained ResNet50-backbone models on a dual task of classification and EEG prediction; and evaluated their EEG prediction accuracy and robustness to adversarial attacks. We observed significant correlation between the networks' EEG prediction accuracy, often highest around 100 ms post stimulus onset, and their gains in adversarial robustness. Although effect size was limited, effects were consistent across different random initializations and robust for architectural variants. We further teased apart the data from individual EEG channels and observed strongest contribution from electrodes in the parieto-occipital regions. The demonstrated utility of human EEG for such tasks opens up avenues for future efforts that scale to larger datasets under diverse stimuli conditions with the promise of stronger effects.

چکیده به فارسی (ترجمه ماشینی)

بر خلاف دید انسان ، شبکه های عصبی مصنوعی (ANN) نسبت به حملات مخالف نسبتاً مستعد هستند.برای پرداختن به این آسیب پذیری ، تلاش شده است تا تعصب القایی از مغز انسان به ANN ، غالباً با آموزش نمایندگی های ANN برای مطابقت با همتایان بیولوژیکی خود انجام شود.آثار قبلی به داده های مغز به دست آمده در جوندگان یا نخبگان با استفاده از تکنیک های تهاجمی ، از مناطق خاص مغز ، در شرایط غیر طبیعی (حیوانات بیهوش) و با مجموعه داده های محرک فاقد تنوع و طبیعی بودن متکی بودند.در این کار ، ما بررسی کردیم که آیا ترازهای مدل با پاسخ های EEG انسانی به مجموعه غنی از تصاویر در دنیای واقعی ، استحکام ANN ها را افزایش می دهد.به طور خاص ، ما مدلهای Resnet50-Backbone را در یک کار دوگانه طبقه بندی و پیش بینی EEG آموزش دادیم.و دقت و استحکام پیش بینی EEG خود را در حملات مخالف ارزیابی کرد.ما ارتباط معنی داری بین دقت پیش بینی EEG شبکه ها ، که اغلب در حدود 100 میلی ثانیه شروع محرک پست و دستاوردهای آنها در استحکام مخالف است ، مشاهده کردیم.اگرچه اندازه اثر محدود بود ، اما اثرات در ابتدای های مختلف تصادفی و قوی برای انواع معماری سازگار بود.ما همچنین داده های کانال های EEG فردی را از هم جدا کردیم و قوی ترین سهم از الکترودها در مناطق پاریتو-کپی را مشاهده کردیم.ابزار نشان داده شده از EEG انسانی برای چنین کارهایی ، راه هایی را برای تلاش های آینده که به مجموعه داده های بزرگتر تحت شرایط محرک های متنوع با وعده اثرات قوی تر می شود ، باز می کند.

📚 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.