鲁棒表示学习简述

鲁棒性是指系统在一定（结构、大小）参数摄动下，维持某些性能的特性。

对于机器学习问题而言，对抗样本是一种很好的体现和验证模型鲁棒性的方式，模型鲁棒性的问题远远不止对抗样本一个方面，但是对抗样本是模型鲁棒性非常好的议题和出发点，代表了其中一种具体问题。因此，本文主要从对抗样本角度出发简述模型鲁棒性相关内容。首先给出对抗样本的实际案例，分析给出对抗样本出现的原因，引出研究动机和意义。然后，介绍提升模型鲁棒性的主要思路，包括信息瓶颈和互信息约束构建显示正则的方法。最后给出总结和思考。