关于对抗训练的记录

最近看了一些关于对抗训练的论文，作一些笔记以备以后可以查看回顾。 现实中的时间序列或图像，往往都是连续的。而我们输入到模型中的数据，往往是不连续的。连续的输入往往能产生较好的模型泛化能力。因此，有人提出在输入中加入微小扰动试图使模型更好的对抗噪声扰动。[1]提出fast gradient sign method来生成对抗样本，将对抗样本的损失加入到原有的损失函数，进行训练，可以使模型更好的对抗扰动

>>阅读原文<<