Travaux pratiques en machine learning robuste

Les situations pour lesquelles un réseau de neurones profond confond (par exemple) un chat avec un grille-pain sont nombreuses et largement commentées dans la littérature. Ces cas pathologiques montrent à quel point les RN peuvent manquer de robustesse et d’explication quant au résultat. Les rendant inopérantes dans des systèmes critiques.
De récents articles ont montré comment grâce à des réseaux de neurones Lischtz, nous pouvions améliorer considérablement la robustesse des réseaux de neurones dans le cadre de la classification binaire et redonner un caractère explicable aux attaques adversariales.