2023, 2 (1):
78-89
近年来，深度神经网络已经发展成为深度学习的重要计算模型，神经网络的鲁棒性对于其在安全攸关领域的部署至关重要。因此，如何训练鲁棒的神经网络是备受学术界和工业界关注的热点问题。文章介绍了目前主流的3类鲁棒神经网络的训练方法，即基于数据增强训练、基于对抗训练和利普希茨鲁棒性训练;并介绍了其各自方法的核心思想、代表性研究工作和适用范围。同时，将近年来的鲁棒神经网络训练方法的优缺点进行比较，对应到神经网络训练的要素上进行深入分析和对照，并对各类训练方法得到的神经网络的鲁棒性的评价指标进行了介绍和比较。最后，分析了目前鲁棒神经网络训练的难点和热点，展望了该领域可能的研究方向，并提出建议。
