本期為TechBeat人工智能社區(qū)第381期線上Talk，也是伊利諾伊大學(xué)安全學(xué)習(xí)實驗室“可信機器學(xué)習(xí): 機器學(xué)習(xí)魯棒性，隱私性，泛化性，及其內(nèi)在關(guān)聯(lián)”的系列Talk第②場。北京時間2月17日(周四)20:00，伊利諾伊大學(xué)在讀博士生——楊卓林的Talk將準(zhǔn)時在TechBeat人工智能社區(qū)開播！

他與大家分享的主題是: “通過外源信息提升與驗證模型魯棒性”，屆時將討論兩種新的外源信息多模型整合的方向。

Talk·信息

主題：通過外源信息提升與驗證模型魯棒性

嘉賓：伊利諾伊大學(xué)在讀博士生楊卓林

時間：北京時間?2月17日?(周四) 20:00

地點：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復(fù)制鏈接https://datayi.cn/w/nPNJm7WP至瀏覽器，一鍵完成預(yù)約！上線后會在第一時間收到通知哦?

Talk·提綱

盡管目前機器學(xué)習(xí)在各個領(lǐng)域已經(jīng)取得了十分豐碩的成果，其安全性仍然備受質(zhì)疑 – 摻雜了微小人為擾動的輸入能夠很容易讓模型的預(yù)測出錯。在許多提升魯棒性的單模型機器學(xué)習(xí)訓(xùn)練算法和模型結(jié)構(gòu)被提出之后，我們希望能夠通過一些外源信息來整合多模型機器學(xué)習(xí)框架，從而提升多模型框架的魯棒性。在本次Talk中，我們會討論兩種新的外源信息多模型整合的方向：

1) 基于知識準(zhǔn)則的推理 2) 基于多模型性質(zhì)的多樣性 來提升整體模型端到端的魯棒性。

我們會簡要介紹我們提出的：

1) 基于知識準(zhǔn)則的感知推理模型 2) 旨在降低子模型對抗遷移性的 TRS 訓(xùn)練?3) 旨在提升集成模型的可驗證魯棒性的 DRT 訓(xùn)練，來向大家展示未來提升機器學(xué)習(xí)模型魯棒性的一個全新的角度。

具體分享提綱如下：

1. 通過整合知識準(zhǔn)則的機器學(xué)習(xí)新框架提升模型可驗證魯棒性 — 感知推理模型

2. 通過鼓勵多模型多樣性來提升模型魯棒性

(a). 鼓勵梯度多樣性和模型平滑程度來降低子模型對抗遷移性 — TRS 訓(xùn)練算法(b). 鼓勵梯度多樣性和增大置信水平差來提升集成模型的可驗證魯棒性 — DRT 訓(xùn)練算法

Talk·預(yù)習(xí)資料

感知推理模型：

https://arxiv.org/abs/2003.00120TRS?

訓(xùn)練算法：

https://arxiv.org/abs/2104.00671DRT?

訓(xùn)練算法：

https://arxiv.org/abs/2107.10873

Talk·提問交流

通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會給予你相應(yīng)的i豆積分，還會有驚喜獎勵哦！

方式 ②

在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！

Talk·嘉賓介紹

楊卓林，目前是伊利諾伊大學(xué)厄巴納-香檳分校 (UIUC) Secure Learning Lab (SL2) 的三年級博士生，其導(dǎo)師為李博教授。楊卓林目前的主要研究方向為多模型機器學(xué)習(xí)框架下的魯棒性，包括探究子模型之間的對抗遷移性以及多樣化的模型特征來進一步提升多模型框架的安全性能，從而探索未來的魯棒多模型機器學(xué)習(xí)模式。楊卓林目前已在機器學(xué)習(xí)頂會（ICLR, ICML, NeurIPS, AISTATS) 上發(fā)表論文多篇。楊卓林于2019年畢業(yè)于上海交通大學(xué)致遠(yuǎn)學(xué)院ACM班。

個人主頁：https://lucas110550.github.io/about/

系列Talk介紹

伊利諾伊大學(xué)安全學(xué)習(xí)實驗室SL2(Secure Learning Lab)（http://boli.cs.illinois.edu/）由助理教授李博以及10名博士生和1名博士后組成，實驗室隸屬于計算機組(https://cs.illinois.edu/)。

我們相信機器學(xué)習(xí)的安全性，隱私保護，可解釋性等可信賴性質(zhì)是引領(lǐng)未來機器學(xué)習(xí)算法和模型大規(guī)模部署和應(yīng)用的重要特質(zhì)，尤其是在自動駕駛等對安全性質(zhì)要求頗高的應(yīng)用中。基于此核心理念，SL2實驗室的研究重點是構(gòu)建可驗證性的可信機器學(xué)習(xí)算法，平臺和系統(tǒng)，從而部署于不同的實際應(yīng)用中。

從2月16日開始，每周三、周四晚20點，伊利諾伊大學(xué)安全學(xué)習(xí)實驗室的老師及同學(xué)們將帶來一系列的Talk分享，議程如下：

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗，加速并陪伴其學(xué)習(xí)成長。 期待這里可以成為你學(xué)習(xí)AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ