公开(公告)号：CN118103853A

公开(公告)日：2024-05-28

申请号：CN202280067289.1

申请日：2022-07-11

Applicant: 三菱电机株式会社

Inventor： 王也 ,  S·阿隆 ,  A·拉金 ,  秋浓俊昭 ,  P·穆林 ,  K·帕森斯

IPC: G06N3/094 ,  G06N3/09 ,  G06N3/047

Abstract: 本公开的实施方式公开了一种用于对生成通用对抗扰动的神经网络进行训练的方法和系统。该方法包括收集多个数据样本。所述多个数据样本中的各个数据样本皆通过有限标签集中的标签来标识。该方法包括训练概率神经网络，以用于通过使以多个受扰数据样本为条件的多个数据样本的有限标签集的条件熵最大化，来将多个数据样本变换成对应的多个受扰数据样本，所述多个受扰数据样本相对于所述多个数据样本具有有界偏差概率。条件熵是未知的。概率神经网络基于对标签的未知条件熵的梯度的迭代估计来训练。该方法还包括基于经训练的概率神经网络来生成通用对抗扰动。

公开(公告)号：CN118843870A

公开(公告)日：2024-10-25

申请号：CN202280093430.5

申请日：2022-12-15

Applicant: 三菱电机株式会社

Inventor： 王也 ,  余曦 ,  N·斯梅德马克-马古利斯 ,  S·阿隆 ,  秋浓俊昭 ,  P·穆林 ,  M·布兰德 ,  K·帕森斯

IPC: G06N3/0455 ,  G06N3/047 ,  G06N3/094 ,  G06N3/088

Abstract: 本公开的实施方式公开了一种用于训练神经网络以改进对抗鲁棒性的方法和系统。该方法包括以下步骤：收集包括干净数据样本和对抗数据样本的多个数据样本。神经网络的训练包括训练概率编码器将多个数据样本编码为隐空间表示上的概率分布。另外，神经网络的训练包括训练分类器对隐空间表示的实例进行分类以生成分类结果。另外，该方法包括以下步骤：使用干净数据样本训练神经网络的第一实例的共享参数并且使用对抗数据样本训练神经网络的第二实例的共享参数。此外，该方法包括以下步骤：输出神经网络的第一实例和神经网络的第二实例的共享参数。

公开(公告)号：CN115443463A

公开(公告)日：2022-12-06

申请号：CN202180025925.X

申请日：2021-02-05

Applicant: 三菱电机株式会社

Inventor： J·勒鲁克斯 ,  T·贾亚香卡 ,  P·穆林

IPC: G06F21/55 ,  G06N3/02 ,  G10L15/01 ,  G10L17/02 ,  H04L9/40

Abstract: 一种用于转录输入的语言学系统，其中，该语言学系统包括处理器，该处理器被配置成在改变神经网络的至少一些节点的权重的同时执行该神经网络多次，以生成输入的多个转录。此外，确定所述多个转录的成对距离的分布；基于该分布确定输入的合法性；以及当输入被确定为合法时，使用神经网络的节点的所存储的权重来转录该输入，以生成该输入的最终转录。