X-PhiNet

新的振荡预测学习框架展示了涌现式对抗鲁棒性

研究人员开发了一个名为振荡预测学习（OPL）的新框架，旨在不依赖对抗性训练或净化等传统方法来实现计算机视觉中的对抗鲁棒性。OPL将人工栗本振荡神经元（AKOrN）与使用X-PhiNet的自监督预训练方法相结合。在CIFAR-10和CIFAR-100数据集上的实验表明，OPL可以在特定的评估协议下实现具有竞争力的鲁棒准确率，展示了来自架构和表示学习偏差的涌现式鲁棒性。