本文发表于ICML 2020。作者从学习者和攻击者的角度出发，提出一种对抗的非负矩阵分解方法。这是目前为止第一个有关对抗的非负矩阵分解的工作。与专注于常规输入或某些特定类型噪声的传统模型不同，本文的方法借助对抗训练的优势来处理各种不同类型的噪声。作者使用交替方向迭代法解决所提出的全新模型，并证明了算法的收敛性。为了在理论上保证模型的合理性，作者在不同条件下提供了模型的鲁棒性分析。作者在具有各种噪声条件（例如不规则的遮挡）的数据集上设计了一系列实验。所有的实验结果证明了本文的算法在性能上始终优于其他相关方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除