تدريب الشبكات العصبية القوية باستخدام حدود ليبشيتز

بسبب حساسيتها للاختلالات العدائية، نادرًا ما تُستخدم الشبكات العصبية (NNs) في التطبيقات الحساسة للسلامة. أحد مقاييس القوة بالنسبة لمثل هذه الاختلالات في المدخلات هو ثابت ليبشيتز لخريطة المدخلات والمخرجات المعرفة بواسطة NN. في هذه الرسالة، نقترح إطار عمل لتدريب الشبكات العصبية متعددة الطبقات مع تشجيع القوة من خلال الحفاظ على صغير ثابت ليبشيتز، وبالتالي معالجة مشكلة القوة. بشكل أكثر تحديدًا، نصمم مخطط تحسين بناءً على طريقة الاتجاه المتناوب للمعامِلات التي تقلل من خسارة التدريب لـ NN ولكن أيضًا ثابت ليبشيتز له، مما يؤدي إلى إجراء تدريب قائم على البرمجة شبه المحددة يعزز القوة. نضع تصميمين لهذا الإجراء التدريبي. الأول يشمل مُنظمًا يعاقب على حد دقيق أعلى لثابت ليبشيتز. أما الثاني فيسمح بفرض حد ليبشيتز المرغوب على NN في جميع الأوقات أثناء التدريب. أخيرًا، نقدم مثالين لإظهار أن الإطار المقترح يزيد بنجاح من قوة NNs.