要約
本研究では、グラフ上の敵対的学習に焦点を当てる。拡散学習を用いたマルチエージェントシステムのための一般的な敵対的学習フレームワークを提案する。提案したスキームの凸最適化問題に対する収束特性を分析し、敵対的攻撃に対する強化された頑健性を説明する。
要約(オリジナル)
This work focuses on adversarial learning over graphs. We propose a general adversarial training framework for multi-agent systems using diffusion learning. We analyze the convergence properties of the proposed scheme for convex optimization problems, and illustrate its enhanced robustness to adversarial attacks.
arxiv情報
著者 | Ying Cao,Elsa Rizk,Stefan Vlaski,Ali H. Sayed |
発行日 | 2023-03-03 14:05:59+00:00 |
arxivサイト | arxiv_id(pdf) |