基于响应式知识蒸馏的无目标漏洞提取方法

    公开(公告)号:CN119808101A

    公开(公告)日:2025-04-11

    申请号:CN202411975617.5

    申请日:2024-12-31

    Applicant: 辽宁大学

    Abstract: 本发明属于漏洞提取方法领域,是一种基于响应式知识蒸馏的无目标漏洞提取方法,步骤为:1)选定目标教师模型,通过输入指定数据集,取得教师模型的输出logit;2)将logit值通过Softmax函数转换成概率分布的形式;3)将响应概率分布#imgabs0#进行处理,以用于将含有漏洞的知识传递给学生模型;4)使用蒸馏损失进行知识蒸馏;5)加载蒸馏完成的学生模型执行预测。本发明通过上述方法,不仅能够更准确地识别深度学习模型中的漏洞,还能够为后续的提供修复和改进模型提供具体方向。

    一种基于StarGAN损失函数的语音音色转换方法

    公开(公告)号:CN118588099A

    公开(公告)日:2024-09-03

    申请号:CN202410660371.6

    申请日:2024-05-27

    Applicant: 辽宁大学

    Abstract: 本发明涉及一种基于StarGAN损失函数的语音音色转换方法,包括如下步骤:步骤1,提取语音数据集特征,用于构建特征集合;步骤2,设计StarGAN损失函数:通过对抗损失函数和源分类器损失函数的优化,实现样本的音色转换;步骤3,训练SrarGAN语音音色转换模型;步骤4,当模型训练完成后,利用其进行预测,以进行语音音色风格的转换。该方法通过设计StarGAN损失函数生成不同情感语音不同方法,在进行音色转换时,我们不仅要确保语音的清晰度,还要尽量保持其自然度,使得转换后的语音听起来更加流畅自然。

Patent Agency Ranking