PulseAugur
中
实时 07:48:06
English(EN) Robust Bidirectional Associative Memory via Regularization Inspired by the Subspace Rotation Algorithm

新算法增强了双向联想记忆模型的鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为双向子空间旋转算法（B-SRA）的新训练算法，以提高双向联想记忆（BAM）模型的鲁棒性。传统的BAM训练方法，如双向反向传播（B-BP），常常难以应对噪声和对抗性攻击。B-SRA引入了正则化策略，包括正交权重矩阵（OWM）和梯度模式对齐（GPA），以增强其韧性。实验表明，整合OWM和GPA的配置在抵抗损坏和扰动方面最强，从而提高了BAM在各种攻击场景和记忆容量下的性能。 AI

影响 引入了一种新颖的训练算法和正则化技术，以增强联想记忆模型对噪声和对抗性攻击的韧性。

排序理由 该集群包含一篇学术论文，详细介绍了用于提高神经网络鲁棒性的新算法和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新算法增强了双向联想记忆模型的鲁棒性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ci Lin, Tet Yeap, Iluju Kiringa ·

    通过受子空间旋转算法启发的正则化实现鲁棒的双向联想记忆

    arXiv:2511.11902v2 Announce Type: replace-cross Abstract: Bidirectional Associative Memory (BAM) trained with Bidirectional Backpropagation (B-BP) often suffers from poor robustness and high sensitivity to noise and adversarial attacks. To address these issues, we propose a novel…

相关话题