.png){kind=icon}
返回
Memorization in Deep Learning: A Survey
.png){kind=icon}
OA
AI
DOI：10.1145/3769076.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习（DL）凭借深度神经网络（DNNs）已彻底改变了多个领域，但理解DNN决策过程和学习过程的细节仍是一项重大挑战。近期的研究揭示了一种有趣的记忆现象，即DNNs倾向于记忆示例中的具体细节而非学习通用模式，这影响了模型的泛化能力、安全性与隐私性。这引发了对DNN泛化本质及其易受安全漏洞影响的根本性疑问。在本综述中，我们提出了一种系统框架，基于泛化与安全/隐私领域对记忆进行定义分类，并总结了在示例级和模型级对记忆进行评估的方法。通过全面的文献综述，我们探讨了DNN的记忆行为及其对安全与隐私的影响。我们还介绍了由记忆引发的隐私漏洞以及遗忘现象，并探讨了其与记忆的关联。此外，我们重点介绍了利用记忆机制的各种应用。本综述提供了对DNN记忆的首创性理解，为应对其挑战和机遇、提升AI发展并解决关键伦理问题提供了见解。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
