Robustes

La performance de un modelo de aprendizaje automático puede degradarse significativamente cuando se los expone a pequeñas variaciones en los datos de entrada que se le suministran. Un modelo de aprendizaje automático se dice robusto cuando el mismo mantene el comprotamiento deseado ante pequeñas perturbaciones, tales como el ruido, muestras fuera de la distribución de entrenamiento (out-of-distribution) e incluso ejemplos adversarios (Adversarial Attacks).

Nota

Note que las perturbaciones pueden realizarse sobre los datos de entrada y sobre algunos aspectos del modelo, como puede ser eliminar alguna de las capas de la red neuronal. En cualquier caso, el concepto de robustes siempre está asociado a algún tipo de perturbación.