基于Fisher信息矩阵的模型鲁棒性新指标
热点事件持续更新
基于Fisher信息矩阵的模型鲁棒性新指标
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
arXiv 新论文提出一种攻击无关的鲁棒性度量，基于 Fisher 信息矩阵（FIM）的谱范数来量化神经网络输出分布对输入扰动的最坏情况敏感性。该理论证明 FIM 等于输入雅可比矩阵的方差，并为 VGG、ResNet、Transformer 等主流架构推导出了闭式谱界，还提供了首个鲁棒性排序及基于功率迭代的评估算法。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
基于 Fisher 信息度量模型鲁棒性：频谱界、理论保证与实用算法报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv · ML基于 Fisher 信息度量模型鲁棒性：频谱界、理论保证与实用算法
论文提出基于 Fisher 信息矩阵（FIM）谱范数的攻击无关鲁棒性指标，用于量化输出分布对输入扰动的最坏情况敏感性。 理论推导证明 FIM 等于输入 Jacobian 的方差，并为 VGG、ResNet、Transformer 等架构提供闭式谱界及首个鲁棒性排序，采用功率迭代算法评估。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。