{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,3,1]]，“日期时间”：“2024-03-01T01:58:57Z”，“时间戳”：1709258337830}，“发布者位置”：“查姆”，“参考计数”：29，“出版商”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030642204”，“类型”：”打印“}，{“值”：“9783030642211”，“type”：“electronic”｝]，“license”：[｛“start”：｛“date parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“content-version”：“tdm”，“delay in days”：0，“URL”：“http:\/\/wspringer.com\/tdm”｝，｛“start”：｛“date parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“内容版本”：“vor”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2020]]}，”DOI“：”10.1007\/978-3-030-64221-1_16“，”type“：”book-chapter“，”created“：{”date-part“：[[[2020,11,28]]，“日期-时间”：“2020-11-28T11:02:33Z”，“时间戳”：1606561353000}，“页面”：“176-189”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，《is-referenced-by-count》：5，“标题”：[“神经网络自适应高斯噪声注入正则化”]，“前缀”：“10.1007”，”作者：[{“给定”：“伊南”，“家族”：“李”，“序列”：“第一”，“从属关系”：[]}，{“given”：“Fang”，“family”：“Liu”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2020,11,27]]}，“reference”：[{“key”：《16_CR1》，“unstructured”：“Finlay，C.，Calder，J.，Abbasi，B.，Oberman，A.：Lipschitz正则化深度神经网络泛化，具有对抗性鲁棒性。arXiv:1808.09540v4（2019）”}，{键“：“16_CR2”，“doi-asserted-by”：“publisher”，“first page”：“122”，“doi”：“10.1016\/j.neucom.2017.06.061”，“volume”：”272“，“author”：“D Yang”，“year”：“2018”，“unstructured”：“Yang，D.：YanLiu:平滑区间神经网络的L1\/2正则化学习：算法和收敛性分析。Neurocomputing 272，122\u2013129（2018）”，“journal-title”：“Neurocomputing”}，{“key”：“16_CR3”，“unstructured”：“Tartaglione，E.，Leps\u00f8 y，S.，Fiandrotti，A.，Francini，G.：通过灵敏度驱动正则化学习稀疏神经网络。In：Bengio，S.、Wallach，H.、Larochelle，H.，Grauman，K.、Cesa-Bianchi，N.、Garnett，R.（编辑）《神经信息处理系统进展》，第31卷，第3878\u20133888页（2018）“}，{“key”：“16_CR4”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：《525》，“doi”：“10.1007\/978-3-030-01258-8_32”，“volume-title”：《Computer Vision\u2013 ECCV 2018》，“author”：“D Jakubovitz”，“year”：“2018”，“unstructured”：“Jakubovitz，D.，Giryes，R.：使用雅可比正则化提高DNN对对手攻击的鲁棒性。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018，第十二部分。LNCS，第11216卷，第525\u2013541页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01258-8_32“}，{“key”：“16_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Blot，M.，Robert，T.，Thome，N.，Cord，M.：阴影：基于信息的深度学习正则化。收录于：2018年IEEE第25届国际图像处理会议（ICIP），第813\u2013817页（2018）”，“doi”：“10.1109\/ICIP.2018.8451092”}，}key“：”16_CR6“，”unstructured“：”Plaut，D.C.，Nowlan，S.J.，Hinton，G.E.：通过反向传播学习的实验。技术报告，CMU-CS-86-126（1986）“｝，｛“key”：“16_CR7”，“doi asserted by”：“crossref”，“nonstructured”：“Sietsma，J.，Dow，R.J.F.：神经网络修剪-为什么和如何修剪。In：Proceedings of the IEEE International Conferences on Neural Networks，vol.1，pp.325\u2013333（1988）”，“doi”：“10.1109\/ICNN.1988.23864”｝，｛“key”：“16_CR8”，“doi asserted by”：“publisher“，”first page“：”1093“，”DOI“：”10.1162\/neco.1997.9.5.1093“，”volume“：“9”，”author“：”Y Grandvalet“，”year“：”1997“，”unstructured“：”Grandvalert，Y.，Canu，S.，Boucheron，S.：噪声注入：理论前景。神经计算。9，1093\u20131108（1997）“，“新闻标题”：“神经计算。“}，{”key“：”16_CR9“，”doi-asserted-by“：”publisher“，”first-page“：”436“，”doi“：”10.1109\/21.155944“，”volume“：“22”，”author“：”K Matsuoka“，”year“：”1992“，”unstructured“：”Matsuoka-K.：“反向传播学习中输入的噪声注入。IEEE Trans.Syst.Man Cybern.22，436\u2013440（1992）”，“日志标题”：“IEEE Trans.Syst.Man-Cybern.”，{“密钥”：“16_CR10“，”doi-asserted-by“：”publisher“，”first-page“：”24“，”doi“：”10.1109\/72.105415“，”volume“：”3“，”author“：”L Holmstrom“，”year“：”1992“，”unstructured“：”Holmstron，L.，Koistinen，P.：在反向传播训练中使用加性噪声。IEEE传输。神经网络3，24\u201338（1992）“，“期刊标题”：“IEEE Trans。神经网络“}，{“key”：“16_CR11”，“unstructured”：“Hinton，G.E.，Srivastava，N.，Krizhevsky，A.，Sutskever，I.，Salakhutdinov，R.R.：通过防止特征检测器的联合适配来改进神经网络。arXiv:1207.0580（2012）”}，}“key:”16_CR12“，”first page“：”1929“，”volume“：“15”，“author”：“N Srivatava”，“year”：“2014”，“非结构化”：“Srivastava，N.，Hinton，G.，Krizhevsky，A.，Sutskever，I.，Salakhutdinov，R.：退出：防止神经网络过度拟合的简单方法。J.马赫。学习。1929年第15号决议\u20131958（2014）“，“新闻标题”：“J.Mach。学习。Res.“}，{“key”：“16_CR13”，“unstructured”：“Goodfellow，I.J.，Warde-Farley，D.，Mirza，M.，Courville，A.，Bengio，Y.：Maxout networks.In:Proceedings of the 30th International Conference on Machine Learning（ICML），vol.28，pp.1319\u20131327（2013）”}，“key“：”16_CR14“非结构化”：“Wang，S.，Manning，C.D.：快速辍学训练。摘自：《第三十届国际机器学习会议论文集》，第28卷，第118\u2013126页（2013）“}，{“key”：“16_CR15”，“first page”：《1058》，“volume”：：“28”，“author”：“L Wan”，“year”：“2013”，“unstructured”：“Wan，L.，Zeiler，M.，Zhang，S.，LeCun，Y.，Fergus，R.：使用DropConnect对神经网络进行正则化。PLMR 28，1058\u20131066（2013）”，“journal-title“：”PLMR“}，{“key”：“16_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，B.，Klabjan，D.：无监督深层神经网络的正则化。In:Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence（2017）”，“doi”：“10.1609 \/aaaai.v31i1.10787”}，}“keys”：“16 _CR17”，“非结构化”：“Ba，J.，Frey，B.：深度神经网络训练的自适应辍学。In:Advances In Neural Information Processing Systems，pp.1\u20139（2013）“}，{“key”：“16_CR18”，“doi-asserted-by”：“publisher”，“first page”：：“1245”，“doi”：“10.1109 \/TPAMI.2017.2701831”，“volume”：”40“，“author”：“G Kang”，“year”：“2018”，“unstructured”：“Kang，G.，Li，J.，Tao，D.：Shakeout：一种正则化深度神经网络训练的新方法。IEEE传输。模式分析。机器。因特尔。40，1245\u20131258（2018）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。}，{“key”：“16_CR19”，“unstructured”：“Graves，A.：神经网络的实用变分推理。摘自：《第24届神经信息处理系统国际会议论文集》，NIPS 2011，pp.2348\u20132356（2011）”}，}，“key“：”16_CR20“，”doi-asserted-by“：”publisher“，”first page“：“643”，“doi”：“10.1162\/neco.1996.8.3.643”author“：”G An“，”year“：”1996“，”unstructured“：”An，G：在反向传播训练中添加噪声对泛化性能的影响。神经计算。8，643\u2013674（1996）“，“新闻标题”：“神经计算。“}，{”key“：”16_CR21“，”doi-asserted-by“：”publisher“，”first-page“：”108“，”doi“：”10.1162\/neco.1995.7.1.108“，“volume”：“7”，“author”：“CM Bishop”，“year”：“1995”，“unstructured”：“Bishop，C.M.：噪声训练等同于Tikhonov正则化。Neural Comput.7，108\u2013116，“非结构化”：“Wager，S.、Wang，S.和Liang，P.：退学培训作为适应性正规化。In:Advances In Neural Information Processing Systems（NIPS），vol.26，pp.351\u2013359（2013）“}，{“key”：“16_CR23”，“volume-title”：“Graphical Models，Exponential Families，and Variation Inference”，“author”：“MJ Wainwright”，“year”：“2008”，“unstructured”：“Wainwright，M.J.、Jordan，M.I.：图形模型、指数族和变分推理。Now Publishers Inc.，Delft（2008）“}，{”key“：”16_CR24“，”doi-asserted-by“：”publisher“，”first page“：“109”，”doi“：“10.1080\/00401706.1993.10485033”，“volume”：“35”，“author”：“I Frank”，“year”：“1993”，“unstructured”：“Frank，I.，Friedman，J.：一些化学计量学回归工具的统计视图。Technometrics 35，109\u2013135（1993）”，“journal title”：“Technometrics“｝，｛“key”：“16_CR25”，“first page”：“267”，“volume”：“58”，“author”：“R Tibshirani”，“year”：“2006”，“非结构化”：“Tibshirani，R.:通过套索进行回归收缩和选择。J.Roy.Stat.Soc.B 58267\u2013288（2006）”，“journal title”：“J.Roy.Stat.Soc.B”｝，｛“key”：“16_CR26”，“doi asserted by”：“publisher”，“first page”：“301”，“doi”：“10.1111\/j.1467-9868.2005.0050.x“，”volume“：”67“，”author“：”H Zou“，”year“：”2005“，”unstructured“：”Zou，H.，Hastie，T.：通过弹性网的正则化和变量选择。J.罗伊。Stat.Soc.B 67，301\u2013320（2005）“，“新闻标题”：“J.Roy。Stat.Soc.B“}，{“key”：“16_CR27”，“doi-asserted-by”：“publisher”，“first page”：”1418“，“doi”：“10.1198\/0162145600000735”，“volume”：：“101”，“author”：“H Zou”，“year”：“2006”，“unstructured”：“Zou，H.：自适应套索及其oracle属性。《美国统计学会理论方法》101，1418\u20131429（2006），“journal title”：“美国统计学会。理论方法“}，{”key“：”16_CR28“，”doi-asserted-by“：”publisher“，”first page“：“49”，“doi”：“10.1111\/j.1467-9868.200532.x”，“volume”：“68”，“author”：“M Yuan”，“year”：“2006”，“unstructured”：“Yuan，M.，Lin，Y.：用分组变量进行回归的模型选择和估计。j.Roy.Stat.Soc.B 68，49\u201367（2006）”，“journal title”：“j.Roy Stat。Soc.B“}，{”key“：”16_CR29“，”doi-asserted-by“：”publisher“，”first page“：“245”，”doi“：”10.1016\/0047-259X（92）90046-I“，“volume”：“42”，“author”：“L Holmstr\u00f6m”，“year”：“1992”，“unstructured”：“Holmstr\f6m，L.，Klemel\u00e4，J.：多元核密度估计器预期L1误差的渐近界。J。多变量。分析。42，245\u2013266（1992）“，“新闻标题”：“J.Multivar。分析。“}]，”container-title“：[”Advances in Neural Networks\u2013 ISNN 2020“，”Letch Notes in Computer Science“]，”original-title”：[]，”link“：[{”URL“：”http://\/link.springer.com/content\/pdf\/10.1007\/978-3-030-64221-1_16“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”存放“：{”date-parts“：[[2022,11,30]]，“date-time”：“2022-11-30T10:33:54Z”，“timestamp”：16698044.34000}，“score”：1，“resource”：{“primary”：}“URL”：“http://\/link.springer.com\/10.1007\/978-3-030-64221-1_16”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[[2020]]}”，“ISBN”：[“9783030642204”，“9783030642211”]，“references-count”：29，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-030-64221-1_16“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”03029743“，”type“:”print“}，{”value“：”1611-33049“，”类型“：”electronic“}]，”subject“：【】，”published“：{”date-parts“：[2020]]}，“assertion”:[{“value”：“27 2020年11月“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“ISNN”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，”labele“：”conference-Information“}，”{“value”：“神经网络国际研讨会”，”order“：2，”name“conference_name”，”标签“：”会议名称“，”group“：{”name“：“”会议信息“，”标签“：”会议信息“}}，{“value”：“Cairo”，“order”：3，“name”：“Conference_city”，“label”：“Conference city”，“group”：{“name”:“ConferenceInfo”，“table”：“会议信息”}}}，｛“value”：“2020”，“order”：5，“name”：“conference_eyear”，“label”：“会议年”，“group”：｛“name”：“ConferenceInfo”，“label”：“会议信息”｝｝，｛“value”：“2020年12月4日”，“order”：7，“name”：“conference_start_date”，“label”：“会议开始日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“会议信息”｝｝，｛“value”：“2020年12月6日”，“order”：8，“name”：“conference_end_date”，“label”：“会议结束日期”，“group”：{“name”:“ConferenceInfo”，”label“：“Conferency Information”}}，{“value”：“17”，”order“：9，”name“：”conference_number“，”lable“：”conference_number“标签”：“会议ID”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“https:\/\/Conference.cs.cityu.edu.hk\/isnn\/”，“order”：11，“name”（名称）：“Conference_url”，“tabel”（标签）：“会议url”，“group”（组）：{名称”：“confenceInfo”“，”label“：”type“，”group“：{”name“：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“Easychair”，“order”：2，“name”：“conference_management_system”，“标签”：“会议管理系统”，“group”：{“name”:“ConfeventPeerReveewInformation“，”label“：”同行评审信息，{“value”：“39”，“order”：3，“name”：“number_of_submissions_sent_for_review”，“label”：“发送供审阅的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：”24“，”order“：4，”name“number.of_full_papers_accepted”，”label“：“接受的完整论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”:“number_of_short_papers_accepted”，“table”：“接受的短文数”，“groups”：{“name”∶“ConfeventPeerReveewInformation“，”label“：“同行评议信息（由会议组织者提供）”}}，{“value”：“62%-该值由等式“接受的全文数”/“发送供审阅的提交数*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“3”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“订单”：9，“name“：”external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}