WCP:“ WCP的源代码 Source code learning

WCP CPVR 2020中“ WCP:半监督深度学习的最坏情况摄动”的源代码。 抽象的 在本文中,我们提出了一种新颖的正则化机制,以通过最小化更坏情况摄动(WCP)来训练深度网络。 它基于这样的想法,即健壮模型最不可能受到小扰动的影响,因此其输出决策在标记和未标记的示例上都应尽可能稳定。 我们将考虑WCP正则化的两种形式-加性和DropConnect扰动,这会给网络权重施加加性噪声,并分别通过删除网络连接来进行结构更改。 我们将证明,通过使用频谱方法解决各自的优化问题,可以得出两种扰动的最坏情况。 可以在标记和未标记的数据上最小化WCP,以便可以半监督的方式训练网络。 通过在网络权重和结构受到最坏情况扰动的情况下稳定预测输出,从而导致了半监督分类器的新颖范式。 动机 (a)用于四个数据点的S形单元的玩具示例 *(b)φ与相应的WCP值之间的关系。 * 图1.从“牙齿”曲线来看,最