基于多元神经平均的域泛化学习方法、装置、设备及介质

发明专利有效专利

申请号：
CN202210854513.3
IPC分类号：G06N3/04;G06N3/08
申请日期：
2022-07-15
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于多元神经平均的域泛化学习方法、装置、设备及介质
申请号	CN202210854513.3	申请日期	2022-07-15
法律状态	公开	申报国家	中国
公开/公告日	2022-11-01	公开/公告号	CN115271039A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	清华大学	申请人地址	北京市海淀区清华园1号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	朱文武;王鑫;初旭
代理机构	北京润泽恒知识产权代理有限公司	代理人	苟冬梅

摘要

本申请涉及域泛化学习领域，提供一种基于多元神经平均的域泛化学习方法、装置、设备及介质，包括训练阶段，通过对神经网络进行横向采样和径向采样，并基于精简Jensen‑Shannon散度损失函数和集成智能体多元化度量，对目标域泛化风险上界迭代进行估计和优化，得到优化后的目标域泛化风险上界；测试阶段，通过关闭所述横向采样和所述径向采样，基于所述优化后的目标域泛化风险上界，得到全局优化集成智能体，向所述全局优化集成智能体输入目标域的目标域样本，得到最终预测值。本申请旨在解决现有技术中存在的模型错误设置的风险以及无法兼容多源域与单源域情境的问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供