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
基于生成对抗网络的无监督图表示学习方法和装置，其方法包括：预嵌入生成阶段，使用LLE降维方法对原始数据的特征进行压缩，记录降维后的结果作为预嵌入；生成对抗阶段；通过一个生成对抗网络模型，具体地学习节点的嵌入表示；生成对抗网络由生成器和鉴别器两部分构成，二者内部各自有一个节点嵌入层，基于对抗性学习的思想，互相推动对方优化节点的嵌入表示；多次执行生成对抗阶段，直至生成对抗模型收敛；此时，模型中的节点嵌入层Z^G和Z^D即为最终学习到的图节点的嵌入表示矩阵。本发明有效去除冗余信息，使GAN模型的有效优化。
📄 2023116320507
📂 G06N3_0475
👤 浙江工业大学
📅 2023-12-01
本发明公开了一种基于SeqGAN的深度强化学习数据增强防御方法和装置，首先，利用DQN算法对目标智能体进行预训练，再采样多个T时刻的序列状态动作对作为真实序列轨迹数据；其次将初始状态动作对输入到生成器中利用生成器来生成序列状态策略轨迹数据，使用判别器和基于策略梯度的蒙特卡洛法来评估生成的序列得到的奖励，用于引导生成器的训练，以用于生成接近真实的状态动作数据；最后通过比较由模型策略得到的序列累计奖励值和SeqGAN生成的状态策略得到的累计奖励值大小来对训练数据进行增强，以优化模型的策略，提高模型的鲁棒性。
📄 2021102812259
📂 G06N3_0475
👤 浙江工业大学
📅 2021-03-16
本公开提供了基于区块链和数据增强的联邦学习训练方法及系统，涉及人工智能技术领域，包括利用原始训练集进行满足差分隐私的生成对抗网络的预训练；各客户端共同选择一个打包客户端，并将预训练完毕的生成器模型发送至打包客户端；打包客户端接收完所有客户端的生成器模型后，将接收到的生成器模型打包成一个区块上传至区块链中，客户端从区块链中下载包含所有参与方生成器模型的区块；客户端生成新的数据，将处理后的原始训练集与新生成的数据进行整合，构建新的数据集，用于联邦学习训练任务。区块链代替了原本需进行生成器模型存储的第三方机构，排除了第三方机构作恶的风险，保证了生成器模型的安全性。
📄 2022115580061
📂 G06N3_0475
👤 济南大学
📅 2022-12-06
本发明公开了一种生成对抗网络架构搜索方法、系统及图像生成方法，属于网络架构搜索技术领域。其搜索方法包括：根据参数量约束范围，对预构建的生成器超网进行单路径采样，得到有效子网；采用复杂度自适应学习率优化策略，对生成器超网进行训练，得到预训练的生成器超网；对生成器超网和判别器进行对抗训练，得到预训练的判别器；在进化阶段前期通过遗传算法，在进化阶段后期通过协方差矩阵自适应进化策略，生成生成器超网候选架构；对生成器超网候选架构执行多目标非支配排序，更新有效子网并保持帕累托最优解，得到搜索到的最优生成器架构，进而得到搜索到的最优生成对抗网络架构。本发明既保证搜索质量、又提升计算效率。
📄 2026101416248
📂 G06N3_0475
👤 南京信息工程大学
📅 2026-02-02
本发明公开了基于GA‑PSO混合算法的生成对抗网络架构搜索方法及系统，属于深度神经网络技术领域，该方法构建生成对抗网络超网架构，利用遗传算法全局探索架构种群，结合粒子群优化对精英架构进行局部参数调整，动态平衡惯性权重与学习因子，通过离散化编码约束确保架构合规性；最终基于帕累托最优性集成多目标评估结果，主次协同比例循环优化解集。与传统架构搜索相比，本发明通过混合优化机制解决早熟收敛问题，结合权重共享评估与分层编码实现全局和局部协同，在提升生成质量的同时显著缩短搜索周期。
📄 2025105805293
📂 G06N3_0475
👤 南京信息工程大学
📅 2025-05-07
本发明提供了一种基于架构蒸馏技术的生成对抗网络架构搜索方法和系统，所述方法定义一个搜索空间，构建融合了所有候选操作的超网，对超网进行预热训练，经过初始的预热训练后，评估子网的性能，筛选出对网络性能不利的操作并丢弃。在超网的训练过程中，通过架构知识蒸馏方法进行网络权重优化，设计匹配优化网络以有效地选择教师网络，使教师网络与学生子网达到最优匹配，通过架构蒸馏技术将教师网络的知识传递给其他子网，以指导超网训练。使用多目标优化策略挑选出超网中表现最佳的网络架构。本发明通过架构间的知识传递，提升子网的训练效果，相比传统的搜索方法具有更高的效率和更好的性能，能够更快地找到适合任务的最优神经网络架构。
📄 2025103703647
📂 G06N3_0475
👤 南京信息工程大学
📅 2025-03-27
本公开的实施例公开了用于生成神经网络的结构的方法和装置，涉及人工智能领域。该方法包括：获取初始的性能反馈信息，执行如下搜索操作：根据预设的硬件延时约束信息、性能反馈信息和第一网络结构搜索空间确定第一目标神经网络的候选网络结构；根据性能反馈信息和第二网络结构搜索空间确定第二目标神经网络的候选网络结构；将第一目标神经网络和第二目标神经网络的候选网络结构分别作为生成器和判别器构建候选生成对抗网络并训练；响应于确定候选生成对抗网络的性能信息满足预设的条件或执行搜索操作的次数达到预设的次数阈值，确定候选生成对抗网络中的生成器为第一目标神经网络的目标结构。该方法可搜索出满足预设的硬件延时约束的网络结构。
📄 2020103009499
📂 G06N3_0475
👤 北京百度网讯科技有限公司
📅 2020-04-16
柿子坊 · 知识产权运营
柿子坊知识产权运营平台