B-SRA: Un Algoritmo di Addestramento Senza Gradiente per Migliorare la Robustezza della BAM

Un recente articolo pubblicato su arXiv (ID: 2511.11902) presenta l'Algoritmo di Rotazione del Sottospazio Bidirezionale (B-SRA), un nuovo approccio senza gradiente volto a migliorare la resilienza dei modelli di Memoria Associativa Bidirezionale (BAM). Le BAM tradizionali, che utilizzano la Retropropagazione Bidirezionale (B-BP), spesso mostrano vulnerabilità al rumore e alle minacce avversarie. Per mitigare questi problemi, gli autori introducono B-SRA, mostrando miglioramenti marcati sia nella robustezza che nei tassi di convergenza. La loro ricerca evidenzia due concetti fondamentali—matrici di peso ortogonali (OWM) e allineamento del gradiente con il pattern (GPA)—come cruciali per rafforzare le difese della BAM. Propongono anche nuove tecniche di regolarizzazione per la B-BP, portando a modelli che mostrano una resistenza significativamente migliore agli attacchi avversari e alla corruzione. Uno studio di ablazione è incluso per valutare varie strategie di addestramento per una robustezza ottimale. L'articolo è classificato come tipo replace-cross e può essere accessibile tramite l'URL sorgente fornito.