研究人员引入了一个统一的框架，用于扰动深度神经网络中的隐藏激活，这一概念之前分析不足。该框架揭示了像Dropout和对抗性特征扰动等现有方法都是激活扰动的特定形式。提出的方法，学习扰动激活（LPA），通过投影梯度下降（PGD）学习到的类特定扰动来适应性地扰动激活。实验表明，LPA的性能始终优于现有技术，并与其他扰动方法互补。 AI
影响 引入了一个新颖的框架和方法，可以提高深度学习模型的泛化能力和鲁棒性。
排序理由 这是一篇详细介绍深度学习新框架和方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.29525v1 Announce Type: new Abstract: Deep neural networks process data through a cascade of representations: input features, hidden activations, logits, and loss. While perturbations at the input, logit, and label levels have been systematically studied, the intermedia…