关于人工智能:如何理解鲁棒性为什么robustness会翻译为鲁棒性

62次阅读

共计 2291 个字符,预计需要花费 6 分钟才能阅读完成。

鲁棒性,英文为 Robustness(接受故障和烦扰的能力),是许多简单零碎(包含简单网络)的要害属性。简单网络的鲁棒性钻研对许多畛域都十分重要。本文着重介绍了鲁棒性的根本定义、命名起源、分类区别、晋升办法和具体利用,供大家学习参考。

1. 鲁棒性的根本定义

鲁棒性(英语:Robustness), 鲁棒是 Robust 的音译,“robust”有四个含意:
1.“健壮的;强健的”
2.“牢固的;耐用的;坚硬的”
3.“(体制或机构)强劲的;富裕生机的”
4.“动摇的;信心十足的”。

百度百科对鲁棒性的定义是:鲁棒是 Robust 的音译,也就是强壮和强健的意思。它也是在异样和危险状况下零碎生存的能力。比如说,计算机软件在输出谬误、磁盘故障、网络过载或无意攻打状况下,是否不死机、不解体,就是该软件的鲁棒性。所谓“鲁棒性”,也是指控制系统在肯定(构造,大小)的参数摄动下,维持其它某些性能的个性。

鲁棒性的起源

据考查,鲁棒一词最早起源于 1979 年,南开大学涂奉生、齐寅峰传授在《信息与管制》上,别离发表题为《鲁棒(Robust)调节器》和《鲁棒调节器的一种设计》3 的两篇文章,文章中首次将 robust 翻译为“鲁棒性”。有学者认为,将“robust”译为“鲁棒”是“音义兼顾”的绝好译法。因为“robust 调节器”具备“使零碎保持稳定且具备渐进调节个性的能力”,而“‘鲁’者粗莽也,‘棒’者强之同义也。”所以“‘鲁棒’一词较好地表明了此类调节器的特色,且较‘粗壮’,‘强健’等词活泼。”鲁棒性一词因其形神兼备的译法逐步失去学术界的认可,慢慢沿用下来。

2. 鲁棒性与稳定性的区别

鲁棒性和稳定性都是反馈控制系统抗干扰能力的参数,但鲁棒性不等同于稳定性。

定义上
“鲁棒性”,是指控制系统在肯定(构造,大小) 的参数摄动下,维持其它某些性能的个性。
“稳定性”,是指控制系统在使它偏离均衡状态的扰动作用隐没后,返回原来均衡状态的能力。

受到的扰动
稳定性是指零碎受到刹时扰动,扰动隐没后零碎回到原来状态的能力,而鲁棒性是指零碎受到继续扰动能放弃原来状态的能力。

稳固的概念
稳定性分为统一稳固和渐进稳固,就是说能够缓缓的稳固也能够螺旋形绕着稳固点稳固;
鲁棒性,是指你能够设定一个鲁棒界 (能够 2 范数也能够是无穷范数),只有零碎在这个界内就是稳固的。
以送外卖为例做一个形象的比喻:
外卖小哥在送餐时遇到了极其天气(如暴雨暴雪),当这个极其天气完结后,外卖小哥依然能够以原先的速度送餐,咱们能够说外卖小哥是稳固的;但如果在遭逢极其天气的过程中,外卖小哥冒着雨雪将外卖按时送到顾客手中,这种状况就称为鲁棒性好。
稳定性是指零碎不随外界而变动的能力,鲁棒性是指当外界变动时,零碎自适应的能力。

3. 鲁棒性的分类

在理论问题中,零碎个性或参数的摄动经常是不可避免的,产生摄动的起因次要有两个方面:一个是因为测量的不准确使个性或参数的理论值会偏离它的设计值(标称值),另一个是零碎运行过程中受环境因素的影响而引起个性或参数的迟缓漂移。

控制系统的一个鲁棒性是指控制系统在某种类型的扰动作用下,包含本身模型的扰动下,零碎某个性能指标放弃不变的能力。对于理论工程零碎,人们最关怀的问题是一个控制系统当其模型参数产生大幅度变动或其构造发生变化时是否仍放弃渐近稳固,这叫稳固鲁棒性。进而还要求在模型扰动下零碎的品质指标依然放弃在某个许可范畴内,这称为品质鲁棒性。

设计一个控制器,如果该控制器对对象汇合中的每个对象都能满足给定的性能指标,则称该控制器对此性能指标 (个性) 是鲁棒的,两个重要的鲁棒概念是:

稳固鲁棒性:一个控制器如果对汇合 P 中的每一个对象都能保证系统稳固则是鲁棒稳固的。

品质鲁棒性:一个控制器如果对汇合 P 中的每一个对象都能保证系统稳固和一种特定品质则认为是品质鲁棒的。

4. 如何进步鲁棒性

AI 模型的鲁棒能够了解为模型对数据变动的容忍度。假如数据呈现较小偏差,只对模型输入产生较小的影响,则称模型是鲁棒的。Huber 从持重统计的角度给出了鲁棒性的 3 个要求:

1. 模型具备较高的精度或有效性。
2. 对于模型假如呈现的较小偏差(noise),只能对算法性能产生较小的影响
3. 对于模型假如呈现的较大偏差(outlier),不能对算法性能产生“灾难性”的影响。

晋升鲁棒性的办法

1)从数据上晋升性能收集更多的数据、产生更多的数据、对数据做缩放、对数据做变换、特征选择、从新定义问题

2)从算法上晋升性能算法的筛选、从文献中学习、重采样的办法

3)从算法调优上晋升性能注意力机制(给与每个像素权重,来掂量像素间的相关性 SPNet)、模型可诊断性、权重的初始化、学习率、激活函数、网络结构、batch 和 epoch、正则项、优化指标、提前完结训练

4)用交融办法晋升成果模型交融、视角交融、stacking、多尺度交融(应用不同尺度的卷积核,减少模型的感触野,典型代表金字塔 Deeplab 系列)

5)减少模型宽度将通道分成多组,每组独自进行卷积,而后再将通道合成能够缩小模型的参数,进步模型准确率,减少鲁棒性(ResNext)。

5. 鲁棒性的利用

在理论中,鲁棒性的利用十分宽泛,因为测量的不准确和运行中受环境因素的影响,不可避免地会引起零碎个性或参数迟缓而不规则的漂移,所以在利用复杂性范式对各种类型控制系统进行设计时,都要思考鲁棒性问题。如组织行为治理、制订战略规划、提供决策计划,生态系统的恢复性,动态平衡、遗传网络、遗传变异的阻尼,生物复杂性的倒退定向进化进化的主动抉择,免疫系统里的分布式反馈。神经系统,计算机网络零碎,经济社会零碎的经济博弈、社会制度、政治协定、体制机制等等。

正文完
 0