公开(公告)号：CN117425902A

公开(公告)日：2024-01-19

申请号：CN202280039346.5

申请日：2022-06-21

Applicant: 国际商业机器公司

Inventor： 王优也 ,  N·巴拉卡尔多安杰尔 ,  A·梅加希德 ,  E·丘巴 ,  周亦

IPC: G06N20/00

Abstract: 公开了一种用于提供对抗性机器学习模型的预测和优化的方法。所述方法可以包括用于确定最优量的对抗性训练的防卫者的训练方法，所述最优量的对抗性训练将防止任务优化模型采取由来自到同时预测和优化框架中的模型的输入的对抗性攻击引起的错误决策。本质上，该方法将经由对抗性训练来训练鲁棒模型。基于鲁棒训练模型，用户可以通过(基于任务的优化模型中的对抗性噪声)基于来自由输入产生的机器学习预测的给定输入来减轻潜在威胁。

公开(公告)号：CN116097288A

公开(公告)日：2023-05-09

申请号：CN202180061858.7

申请日：2021-09-08

Applicant: 国际商业机器公司

Inventor： V·P·帕斯托雷 ,  周亦 ,  N·巴拉卡尔多安杰尔 ,  A·安瓦尔 ,  S·毕安科

IPC: G06N20/00

Abstract: 提供了一种用于利用语义学习增强的联合学习的方法、计算机系统和计算机程序产品。聚合器可以从分布式计算设备接收集群信息。集群信息可以与分布式计算设备的样本数据中的所识别的集群有关。聚合器可以集成集群信息以定义类别。该集成可以包括识别所识别的集群中的任何冗余集群。类别的数量可以对应于来自分布式计算设备的集群的总数减去任何冗余集群。深度学习模型可以从聚合器发送到分布式计算设备。深度学习模型可以包括具有可以对应于所定义的类别的节点的输出层。聚合器可以接收由分布式计算设备执行的联合学习的结果。联合学习可以训练深度学习模型。