| 巴赫曼NT255 |
 |
價格：888 元(人民幣) | 產地：國外國外 |
| 最少起訂量：1個 | 發貨地：廣東東莞市 | |
| 上架時間：2024-06-12 11:31:40 | 瀏覽量：101 | |
廈門光沃自動化設備有限公司
 |
||
| 經營模式：經銷商 | 公司類型：其他有限責任公司 | |
| 所屬行業：PLC控制系統 | 主要客戶：全國市場 | |
 在線咨詢  |
||
| 聯系人:吳 (先生) | 手機:18030229050 |
電話: |
傳真: |
| 郵箱:1878187406@qq.com | 地址:廈門市海滄區滄湖東一里海景奧斯卡 |
|
巴赫曼NT255 欺騙機器的眼睛——對抗性展示 最近引起研究界注意的一個問題是這些系統對對抗樣本的敏感性。 一個對抗性的例子是一個嘈雜的圖像，旨在欺騙系統做出錯誤的預測。為了在現實世界中部署這些系統，它們必須能夠檢測到這些示例。為此，最近的工作探索了通過在訓練過程中包含對抗性示例來使這些系統更強對抗性攻擊的可能性。 現階段對模型攻擊的分類主要分為兩大類，即攻擊訓練階段和推理階段。 01 訓練階段的攻擊 訓練階段的攻擊 (Training in Adversarial Settings) ，主要的方法就是針對模型的參數進行微小的擾動，從而達到讓模型的性能和預期產生偏差的目的。 例如直接通過對于訓練數據的標簽進行替換，讓數據樣本和標簽不對應，從而最后訓練的結果也一定與預期的產生差異，或者通過在線的方式獲得訓練數據的輸入權，操縱惡意數據來對在線訓練過程進行擾動，最后的結果就是產出脫離預期。 02 推理階段的攻擊 推理階段的攻擊 (Inference in Adversarial Settings)，是當一個模型被訓練完成后，可以將該模型主觀的看作是一個盒子，如果該盒子對我們來說是透明的則可以將其看成“白盒”模型，若非如此則看成“黑盒”模型。 所謂的“白盒攻擊”，就是我們需要知道里面所有的模型參數，但這在實際操作中并不現實，卻有實現的可能，因此我們需要有這種前提假設。黑盒攻擊就比較符合現實生活中的場景：通過輸入和輸出猜測模型的內部結構;加入稍大的擾動來對模型進行攻擊;構建影子模型來進行關系人攻擊;抽取模型訓練的敏感數據;模型逆向參數等等。 對抗攻擊的防御機制。抵御對抗樣本攻擊主要是基于附加信息引入輔助塊模型(AuxBlocks)進行額外輸出來作為一種自集成的防御機制，尤其在針對攻擊者的黑盒攻擊和白盒攻擊時，該機制效果良好。除此之外防御性蒸餾也可以起到一定的防御能力，防御性蒸餾是一種將訓練好的模型遷移到結構更為簡單的網絡中，從而達到防御對抗攻擊的效果。 對抗學習的應用舉例：自動駕駛 自動駕駛是未來智能交通的發展方向，但在其安全性獲得完全檢驗之前，人們還難以信任這種復雜的技術。雖然許多車企、科技公司已經在這一領域進行了許多實驗，但對抗樣本技術對于自動駕駛仍然是一個巨大的挑戰。幾個攻擊實例：對抗攻擊下的圖片中的行人在模型的面前隱身，對抗樣本使得模型“無視”；利用 AI 對抗樣本生成特定圖像并進行干擾時，特斯拉的 Autopilot 系統輸出了「錯誤」的識別結果，導致車輛雨刷啟動；在道路的特定位置貼上若干個對抗樣本貼紙，可以讓處在自動駕駛模式的汽車并入反向車道；在Autopilot 系統中，通過游戲手柄對車輛行駛方向進行控制;對抗樣本使得行人對于機器學習模型“隱身”。 04 自學也能成才：自監督學習 深度學習需要干凈的標記數據，這對于許多應用程序來說很難獲得。 注釋大量數據需要大量的人力勞動，這是耗時且昂貴的。此外，數據分布在現實世界中一直在變化，這意味著模型必須不斷地根據不斷變化的數據進行訓練。自監督方法通過使用大量原始未標記數據來訓練模型來解決其中的一些挑戰。在這種情況下，監督是由數據本身(不是人工注釋)提供的，目標是完成一個間接任務。間接任務通常是啟發式的(例如，旋轉預測)，其中輸入和輸出都來自未標記的數據。定義間接任務的目標是使模型能夠學習相關特征，這些特征稍后可用于下游任務(通常有一些注釋可用)。 自監督學習是一種數據高效的學習范式。 監督學習方法模型擅長特定任務。另一方面，自監督學習允許學習不專門用于解決特定任務的一般表示，而是為各種下游任務封裝更豐富的統計數據。在所有自監督方法中，使用對比學習進一步提高了提取特征的質量。自監督學習的數據效率特性使其有利于遷移學習應用。 目前的自監督學習領域可大致分為兩個分支。 一個是用于解決特定任務的自監督學習，例如上次討論的場景去遮擋，以及自監督的深度估計、光流估計、圖像關聯點匹配等。另一個分支則用于表征學習。有監督的表征學習，一個典型的例子是ImageNet分類。而無監督的表征學習中，最主要的方法則是自監督學習。 自監督學習方法依賴于數據的空間和語義結構，對于圖像，空間結構學習是極其重要的，因此在計算機視覺領域中的應用廣泛。 一種是將旋轉、拼接和著色在內的不同技術被用作從圖像中學習表征的前置任務。對于著色，將灰度照片作為輸入并生成照片的彩色版本。另一種廣泛用于計算機視覺自監督學習的方法是放置圖像塊。一個例子包括 Doersch 等人的論文。在這項工作中，提供了一個大型未標記的圖像數據集，并從中提取了隨機的圖像塊對。在初始步驟之后，卷積神經網絡預測第二個圖像塊相對于第一個圖像塊的位置。還有其他不同的方法用于自監督學習，包括修復和判斷分類錯誤的圖像。
巴赫曼NT255 TU532
巴赫曼NT255 華銳SL1500/77風機備品備件 |
| 版權聲明：以上所展示的信息由會員自行提供，內容的真實性、準確性和合法性由發布會員負責。機電之家對此不承擔任何責任。 友情提醒：為規避購買風險，建議您在購買相關產品前務必確認供應商資質及產品質量。 |
