一些学习资料

The Principles of Deep Learning Theory (Daniel A. Roberts, Sho Yaida, Boris Hanin)

这本教科书为理解具有实际意义的深度学习模型建立了一个理论框架。通过借用理论物理学的方法，Roberts和Yaida对现实的深度神经网络的实际工作情况进行了清晰的、教学式的解释。为了让理论前沿的成果变得容易理解，作者摒弃了该学科传统上强调的令人生畏的形式主义，而不牺牲准确性。本书直截了当、平易近人，为理论家和实践者平衡了详细的新结果的第一原理推导，并提供了深入的见解和直觉。这本自成一体的教科书是对人工智能感兴趣的学生和研究人员的理想选择，只需具备线性代数、微积分和非正式概率论的最低前提条件，就可以轻松完成一学期的深度学习理论课程。现代人工智能能力中令人振奋的实际进展第一次可以与一套有效的原则相匹配，为深度学习的理论研究提供了一个永恒的蓝图。

Evaluating Robustness of Deep Image Super Resolution Against Adversarial Attacks 这篇论文表明最先进的基于深度学习的超分辨率方法非常容易受到对抗性攻击，这主要是由于通过卷积操作的扰动传播造成的。使用攻击诊断鲁棒性措施来衡量不同方法的不同鲁棒性水平是非常有可能的。此外还展示了生成通用攻击和对于超分辨率方法的转移攻击的可行性。事实表明，有针对性的攻击可以在超分辨率期间改变图像的内容。