本发明公开了一种基于生成对抗网络的异常检测方法，包括步骤：S1：处理语义分割图像数据集，得到满足原始图像的数据集和Mask图像的数据集；S2：建立包括生成网络和鉴别网络的异常检测生成对抗网络结构；S3：训练所述满足原始图像的数据集和Mask图像的数据集，得到异常检测的生产对抗网络模型；S4：输入原始图像，得到特定异常类型的图像。本发明与现有技术相比有如下优点：1.本发明以异常部分图像作为模型训练目标，不同于传统异常检测方法，以异常部分具体定位信息作为训练目标，使得图像异常部分更加直观性。2.本发明建立生成对抗网络模型，不同于传统异常检测方法单一一体的网络结构。弥补了无法输出异常部分的图像的缺点。
📄 201711032917X
📂 G06N3_04
👤 杭州电子科技大学
📅 2017-10-30
本发明公开了基于对比学习的疾病分类ICD自动编码方法和装置，属于自然语言处理及人工智能领域。本发明要解决的技术问题为如何使用自然语言处理技术为患者的电子病历文本匹配相对应的诊断编码即疾病分类编码，以减少医疗人员的工作量，提高自动编码匹配正确率，提高匹配速度，采用的技术方案为：①一种基于对比学习的疾病分类ICD自动编码方法，该方法包括如下步骤：S1、构建ICD自动编码模型训练数据集；S2、构建ICD自动编码模型；S3、训练ICD自动编码模型。②一种基于对比学习的疾病分类ICD自动编码装置，该装置包括，ICD自动编码模型训练数据集构建单元、ICD自动编码模型构建单元、ICD自动编码模型训练单元。
📄 2023108010458
📂 G06N3_0455
👤 齐鲁工业大学(山东省科学院)
📅 2023-07-03
本发明属于对抗样本检测领域，公开了一种基于量子模糊卷积神经网络的对抗样本检测方法及系统，方法包括：将输入模型中的数据分别传入量子卷积神经网络和模糊神经网络中，将两种网络提取到的特征图通过融合层进行融合，融合层中的融合数据作为预测器输入，最后由预测器输出结果。本发明采用量子模型和模糊系统结合训练量子模糊卷积神经网络训练作为对抗样本检测方法，利用量子卷积神经网络特有的捕获数据全局属性和模糊系统处理不确定性的优势，一定程度上提高了检测率。不仅可以识别原有攻击方法生成的对抗样本，而且对采用同一攻击手段中不同超参数生成的对抗样本以及不同方法生成的对抗样本也有一定的预测和防御作用，模型泛化性优于一般模型。
📄 2022113608166
📂 G06N3_0464
👤 成都信息工程大学
📅 2022-11-02
本发明涉及知识蒸馏技术领域，尤其是涉及一种基于因果理论的知识蒸馏去偏推荐方法及系统。方法，包括构建知识蒸馏去偏推荐模型，其中，构建两个教师模型和一个学生模型，根据用户评分数据集生成观测数据的因果路径；基于量化选择偏差的因果效应补充未观测数据的因果路径；利用两个教师模型分别在观测数据的因果路径和未观测数据的因果路径进行预测，生成无偏软标签；基于无偏软标签对学生模型进行知识蒸馏，得到知识蒸馏去偏推荐模型；利用知识蒸馏去偏推荐模型进行用户预测。本发明从因果推断的角度出发，分析知识蒸馏过程中选择偏差产生的因果原因，通过补充未观测数据的因果路径来解决选择偏差问题。
📄 2025102929256
📂 G06N3_045
👤 烟台大学
📅 2025-03-13
本发明公开了一种面向文本引导图像生成任务的生成对抗网络架构搜索方法，其方法首先基于单路径权重共享机制训练超网，在统一的对抗评估环境中为不同子网提供可相互比较的性能评测基准；随后利用多目标进化算法对网络架构空间进行全局搜索，通过构建帕累托前沿，获得候选的高质量子网；进一步结合粒子群优化算法实现对精英子网的连续空间的局部细化，通过速度更新、离散化算子和边界约束实现对网络操作编码的合理调节；最终经多目标遗传算法后的最优架构在独立重训练阶段显著提升生成质量，实现更低的FID与更高的文本一致性。本发明能够在较低计算成本下自动获得生成对抗网络的生成器结构，适用于文本到图像合成、生成等领域。
📄 2026106216337
📂 G06N3_0475
👤 南京信息工程大学
📅 2026-05-08
一种利用多层卷积层信息的注意力机制方法，利用当前卷积层的信息以及在它之前两层的卷积层的信息来关注当前层特征的重要性；首先，确定当前层卷积的输出A以及在它之前两层的卷积层的输出A'，利用全局平均池化分别得到它们的通道信息，再利用1×1的卷积对通道进行压缩以减少计算量。利用压缩后的特征计算权值矩阵，计算出的权值矩阵作用于A压缩后的特征，进行特征更新。再利用1×1的卷积将更新后的特征恢复到A的维度，与A做残差连接。本发明可以更加突出某一层比较重要的特征，抑制不重要的特征，同时也可以加强特征间的联系。
📄 2021107680025
📂 G06N3_04
👤 浙江工业大学
📅 2021-07-07
本发明公开了基于临床思维的启发式医学教育大模型微调方法及装置，包括基于临床教学数据和专家意见构建临床思维框架。本基于临床思维的启发式医学教育大模型微调方法及装置通过临床思维框架形成结构化的临床教学语料库，并基于临床教学语料库构建教师智能体—专家智能体—学生智能体的三智能体协同架构，通过协同架构生成最终数据集，并通过最终数据集训练微调，得到最终的医学教育大模型，显著提升最终的医学教育大模型的交互性、适应性及教学引导能力；最终的医学教育大模型能够依据临床思维框架逐步引导学生进行推理与探索，在保持教学逻辑性的同时，有效激发了用户的自主思考能力，提供适度的引导与反馈，从而契合临床教学的实际需求。
📄 2025112836050
📂 G06N3_045
👤 浙江工业大学
📅 2025-09-09
本发明公开了一种基于关系图的DNN鲁棒模型加固方法，构建目标模型数据集，目标模型训练，构建模型关系图，约束关键路径，最后重构目标模型。本发明通过在DNN模型的关系图上来查找和构建神经网络中的关键路径，从而对该路径上的传播过程和节点行为计算新的损失函数，并将提取关键路径后的关系图结合新的损失函数重构回模型，提高模型的鲁棒性。
📄 2021110124212
📂 G06N3_0464
👤 浙江工业大学
📅 2021-08-31
本发明公开了一种基于对偶式生成网络的对抗攻击防御模型，包括训练好的生成模型Gt和判别模型Dt，其中，所述生成模型Gt用于对输入的对抗样本进行去扰动，输出良性样本，所述判别模型Dt用于对输入的良性样本进行防御判别，输出正确的判别结果。该基于对偶式生成网络的对抗攻击防御模型实现了对已知攻击和部分未知攻击进行防御。还公开了上述基于对偶式生成网络的对抗攻击防御模型在人脸识别领域和无线信号调制类型识别领域中的应用。
📄 2019110319232
📂 G06N3_04
👤 浙江工业大学
📅 2019-10-28
一种基于卷积层间关系的注意力机制方法，首先，通过全局平均池化分别获取前一层和当前层的通道权重信息；然后，利用矩阵乘法计算两个权重向量之间的关系得到关系矩阵；其后，对关系矩阵经过两层1×1卷积层训练；最后，将训练后的关系矩阵进行列平均得到当前层关于前一层的全局权重信息，再作用于当前层的输出以自适应调节输出特征信息的重要性。本发明计算代价小、模型学习能力强。
📄 2021107680010
📂 G06N3_04
👤 浙江工业大学
📅 2021-07-07
本发明提供了一种针对乌贼巨型轴突中动作电位的建模方法。首先，采用FitzHugh‑Nagumo模型描述乌贼巨型轴突中动作电位的发起与传递的离子机制。再根据FitzHugh‑Nagumo模型参数的弱先验知识，并结合所建立的FitzHugh‑Nagumo模型生成数据集。建立由卷积层、池化层和全连接层构成的用于FitzHugh‑Nagumo模型参数估计的神经网络。利用模拟退火算法对所建立的神经网络超参数进行整定。将整定好超参数的神经网络用于FitzHugh‑Nagumo模型参数估计。对乌贼巨型轴突中动作电位进行建模。本发明避免了神经网络超参数的选择问题，从而节省了繁琐的人工试凑过程，大大减少了训练集的大小，分析了噪声在训练和/或测试数据中的影响，还考虑并分析了训练集的大小对参数估计结果的影响，且得到的参数估计结果较好。
📄 2021106230806
📂 G06N3_04
👤 浙江工业大学
📅 2021-06-04
一种高维深度学习模型向低维迁移知识的跨维度知识迁移方法，1)将n‑1维数据x扩充形成伪n维数据y；2)将y输入教师网络，提取n维特征；3)将教师网络提取的n维特征在第n维度上求特征的均值；4)将x输入学生网络，提取n‑1维特征；5)通过损失函数约束，使学生网络的特征输出逼近教师网络的特征输出；6)按步骤1)～5)重复设定次数，直到学生网络的特征输出与教师网络的特征输出相差小于预设阈值；7)按照步骤1)～6)的方法，可迁移到维度n‑2，直到维度m。当只有低维数据或为了提高算法速度只能采用低维数据时，采用本发明可以得到一个低维模型，其中存储了高维模型的知识，且具备了与高维模型相近的特征提取能力。
📄 2020114877387
📂 G06N3_04
👤 浙江工业大学
📅 2020-12-16
柿子坊 · 知识产权运营
柿子坊知识产权运营平台