公开(公告)号：CN117421599A

公开(公告)日：2024-01-19

申请号：CN202311477473.6

申请日：2023-11-06

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 陈俊杰 ,  肖力炜 ,  李家豪

IPC: G06F18/214 ,  G06F18/22 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开一种基于域约束和课程学习反馈的数据生成方法及相关设备，所述方法包括步骤：对生成模型进行第一阶段训练得到目标生成模型；对所述目标生成模型进行第二阶段训练得到最终生成模型，第二阶段训练中，每生成设定数量的生成样本，则对生成样本进行域判定，若生成样本与真实样本的域距离大于设定域距离，则丢弃生成样本，若生成样本与真实样本的域距离小于设定域距离，则根据属性评估器对生成样本进行筛选，根据通过筛选的生成样本对真实样本进行反馈；根据最终生成模型生成所需输出样本。本发明通过计算生成样本与真实样本的域差距，丢弃远离真实样本的生成样本，从而在反馈机制的基础上添加域约束，降低属性评估器带来的误差。

公开(公告)号：CN115329938A

公开(公告)日：2022-11-11

申请号：CN202210994734.0

申请日：2022-08-18

Applicant: 哈尔滨工业大学(深圳)

Inventor： 陈俊杰 ,  李家豪 ,  陈清财

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于鉴别器森林提高生成对抗网络泛化能力的方法，包括：构建由一个生成器和鉴别器森林组成的生成对抗网络模型；生成训练样本，基于训练样本对鉴别器森林进行训练；通过生成器得到第一生成样本，将第一生成样本输入到训练过的鉴别器森林中的每个鉴别器中，得到鉴别器的损失值，以得到训练梯度，并更新生成器的训练参数，再以最小化的方式对生成器进行训练，得到更新的生成器；基于更新的生成器，重新执行生成训练样本的步骤，以对鉴别器进行下一次迭代训练。本发明提出由鉴别器森林和一个生成器组成的生成对抗网络模型，能够通过鉴别器数量的增加，降低泛化误差上界，提高生成样本的质量和多样性，增强模型的隐私保护能力。