论文部分内容阅读
深度神经网络在图像识别、语音识别和机器翻译等许多模式识别领域中取得了突破性的进展。但同时由于深度网络的高维度特性,也使其产生了优化困难及易于过拟合等问题。最近发现神经网络易于受到对抗性干扰的影响[1],本文将从鲁棒优化的方面对于该现象进行分析,并提出一种差分规范化训练方法提高神经网络对于对抗性干扰的鲁棒性。在图像识别抗对抗实例中的应用表明该方法优于dropout方法和Goodfellow等提出的对抗训练方法。