Bài báo này đề xuất một phương pháp đưa tính mạnh mẽ đối nghịch vào để cải thiện hiệu suất của các mô hình phân tích sinh tồn (SA) sử dụng mạng nơ-ron (NN). Trong khi mạng nơ-ron được sử dụng để khắc phục những hạn chế của các mô hình tuyến tính tổng quát thông thường, vốn thường không nắm bắt được các mẫu dữ liệu phức tạp, chúng tôi đề xuất một hàm mất mát dựa trên chính quy đối nghịch để giải quyết sự suy giảm hiệu suất do sự không chắc chắn của dữ liệu gây ra. Chúng tôi sử dụng kỹ thuật CROWN-IBP để giảm chi phí tính toán của bài toán tối ưu hóa min-max. Kết quả thử nghiệm sử dụng 10 tập dữ liệu SurvSet chứng minh rằng phương pháp đề xuất (SAWAR) vượt trội hơn các phương pháp học đối nghịch hiện có và các mô hình SA sâu tiên tiến về các số liệu NegLL, IBS và CI, đạt được cải thiện hiệu suất lên đến 150% so với các mô hình cơ sở. Điều này chứng tỏ rằng phương pháp đề xuất giảm thiểu sự không chắc chắn của dữ liệu và cải thiện khả năng khái quát hóa trên nhiều tập dữ liệu khác nhau.
