[发明专利]基于深度学习模型的可靠性检测方法及装置

权利要求书

1.一种基于深度学习模型的可靠性检测方法，其特征在于，

获取原始数据集；

对所述原始数据集添加随机扰动；

根据添加随机扰动后的数据集对经过所述原始数据集训练得到的深度学习模型进行可靠性检测。

2.如权利要求1所述的方法，其特征在于，

所述对所述原始数据集添加随机扰动，包括：

根据预设扰动宽度和预设扰动分布批量生成随机扰动数据；

将所述随机扰动数据施加到所述原始数据集，更新得到新数据集的输入变量，同时将所述原始数据集的输出变量作为新数据集的相应的输出变量。

3.如权利要求2所述的方法，其特征在于：

所述根据添加随机扰动后的数据集对经过所述原始数据集训练得到的深度学习模型进行可靠性检测，包括：

对所述新数据集中的输入变量进行裁剪，以使新数据集中的输入变量满足预设深度学习模型的输入要求；

根据经裁剪后的新数据集对经过所述原始数据集训练得到的深度学习模型进行测试。

4.如权利要求1所述的方法，其特征在于，

对于所述添加随机扰动后的数据集中的任一数据，当可靠性检测中的输出变量与对应的所述添加随机扰动后的数据集中的输出变量不一致时，将该数据作为测试不通过的数据添加到原始数据集中，对所述深度学习模型重新进行训练。

5.如权利要求3所述的方法，其特征在于，

所述对所述新数据集中的输入变量进行裁剪，包括：

确定所述新数据集中的输入变量的取值范围；

当所述新数据集中的输入变量的值超过所述取值范围的上限值时，将超过所述取值范围的上限值的输入变量的值限定为取值范围的上限值；

当所述新数据集中的输入变量的值小于所述取值范围的下限值时，将小于所述取值范围的下限值的输入变量的值限定为取值范围的下限值。

6.如权利要求1所述的方法，其特征在于，

按照如下方法得到所述深度学习模型：

将所述原始数据集划分为训练集和测试集；

构建深度学习系统；

根据所述训练集对所述深度学习系统进行训练；根据所述测试集对经训练的深度学习系统进行测试；若所述深度学习系统收敛，或者所述深度学习系统的准确度达到预设条件，则将当前的深度学习系统作为深度学习模型。

7.如权利要求2所述的方法，其特征在于，

所述预设扰动分布为以下分布中的一个：

正态分布、二项分布、伽玛分布和贝塔分布。

8.如权利要求2或7所述的方法，其特征在于，

所述根据预设扰动宽度和预设扰动分布批量生成随机扰动数据，包括：

根据预设扰动宽度和预设扰动分布之积批量生成随机扰动数据。

9.如权利要求1所述的方法，其特征在于，

在对所述原始数据集添加随机扰动之前，包括：

对所述原始数据集进行预处理。

10.一种基于深度学习模型的可靠性检测装置，包括存储器和处理器，其特征在于：

所述存储器，用于保存用于基于深度学习模型的可靠性检测的程序；

所述处理器，用于读取执行所述用于基于深度学习模型的可靠性检测的程序，执行如权利要求1-9任一项所述的方法。