[发明专利]一种三模型博弈的产生式对抗网络模型的建立方法及装置有效
| 申请号： | 201710381332.2 | 申请日： | 2017-05-25 |
| 公开（公告）号： | CN107273978B | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 朱军;李崇轩;许堃;张钹 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N7/00;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种三模型博弈的产生式对抗网络模型的建立方法及装置。所述方法包括：初始化分类子模型、生成子模型和判别子模型；根据获取的图像‑类别数据集、无类别图像数据集和类别信息集构成训练数据集合；对第一参数目标函数、第二参数目标函数和第三参数目标函数进行优化，获得优化后判别子模型、优化后分类子模型、优化后生成子模型；优化后判别子模型、优化后分类子模型和优化后生成子模型即为产生式对抗网络模型。所述装置用于执行所述方法。本发明实施例通过训练数据集合分别优化判别子模型、分类子模型和生成子模型中的参数，所得优化后的产生式对抗网络模型在半监督情况下显著提高了分类准确率并具有产生特定类别图片的能力。 | ||
| 搜索关键词： | 一种 模型 博弈 产生 对抗 网络 建立 方法 装置 | ||
【主权项】：
1.一种三模型博弈的产生式对抗网络模型的建立方法，其特征在于，包括：初始化分类子模型、生成子模型和判别子模型；获取图像‑类别数据集、无类别图像数据集和类别信息集，根据所述图像‑类别数据集、所述无类别图像数据集和所述类别信息集构成训练数据集合；通过所述判别子模型计算所述训练数据集合中每一训练数据为真的概率值，并根据所述概率值优化所述判别子模型中的第一参数目标函数，获得优化后判别子模型；根据所述训练数据集合计算所述分类子模型中对应的损失函数，根据所述损失函数优化所述分类子模型中的第二参数目标函数，获得优化后分类子模型；根据所述训练数据集合优化所述生成子模型中的第三参数目标函数，获得优化后生成子模型；所述优化后判别子模型、所述优化后分类子模型和所述优化后生成子模型构成所述产生式对抗网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710381332.2/，转载请声明来源钻瓜专利网。
