Deep Learning Vector Quantization
Deep Learning Vector Quantization
复制标题
深度学习矢量量化
DOI：
--
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Aaron C. Courville
中科院分区：
文献类型：
--
作者：
H. D. Vries;R. Memisevic;Aaron C. Courville
.虽然深度神经网络（DNN）在图像识别任务上取得了令人印象深刻的性能，但之前的研究报告称，DNN对无法识别的图像给出了高置信度的预测。由于观察到这种欺骗性的例子可能是由log-softmax的外推性质引起的，我们建议将联合收割机神经网络与学习矢量量化（LVQ）结合起来。我们提出的方法称为Deep LVQ（DLVQ），在MNIST上实现了相当的性能，同时对欺骗和对抗性示例更具鲁棒性。
. While deep neural nets (DNN’s) achieve impressive performance on image recognition tasks, previous studies have reported that DNN’s give high confidence predictions for unrecognizable images. Motivated by the observation that such fooling examples might be caused by the extrapolating nature of the log-softmax, we propose to combine neural networks with Learning Vector Quantization (LVQ). Our proposed method, called Deep LVQ (DLVQ), achieves comparable performance on MNIST while being more robust against fooling and adversarial examples.
影响因子：
7.8
作者：
Bunte, Kerstin;Schneider, Petra;Biehl, Michael
通讯作者：
Biehl, Michael