文件名称：TensorFlow 神经网络结构化学习框架(NSL)-python
文件大小：23.65MB
文件格式：ZIP
更新时间：2024-07-08 13:30:57
机器学习
TensorFlow 神经网络结构化学习框架(NSL) TensorFlow 中的神经结构化学习神经结构化学习 (NSL) 是一种新的学习范式，通过利用结构化信号和特征输入来训练神经网络。 结构可以是显式的，如图 [1,2,5] 所示，也可以是由对抗性扰动引起的隐式 [3,4]。 结构化信号通常用于表示可以标记或未标记的样本之间的关系或相似性。 在神经网络训练期间利用这些信号可以利用标记数据和未标记数据，这可以提高模型的准确性，尤其是在标记数据量相对较小的情况下。 此外，使用对抗性扰动生成的样本训练的模型已被证明对恶意攻击具有鲁棒性，恶意攻击旨在误导模型的预测或分类。 NSL 推广到神经图学习 [1] 以及对抗性学习 [3]。 TensorFlow 中的 NSL 框架为开发人员提供了以下易于使用的 API 和工具来训练具有结构化信号的模型：Keras API 以支持使用图（显式结构）和对抗性扰动（隐式结构）进行训练。 TF 操作和函数在使用较低级别的 TensorFlow API 工具来构建图形和构建图形输入以进行训练时启用结构训练 NSL 框架设计为灵活，可用于训练任何