一种基于对偶距离损失的生成对抗网络训练方法

发明专利有效专利

申请号：
CN202110036718.6
IPC分类号：G06N3/08;G06N3/04
申请日期：
2021-01-12
申请人：
合肥黎曼信息科技有限公司

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	一种基于对偶距离损失的生成对抗网络训练方法
申请号	CN202110036718.6	申请日期	2021-01-12
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-07	公开/公告号	CN112766489A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? 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〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	合肥黎曼信息科技有限公司	申请人地址	安徽省合肥市高新区创新大道2800号创新产业园二期J1栋A座1027室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	合肥黎曼信息科技有限公司	当前权利人	合肥黎曼信息科技有限公司
发明人	宋艳枝;彭程;王昊
代理机构	安徽省蚌埠博源专利商标事务所（普通合伙）	代理人	朱恒兰

摘要

本发明涉及对抗学习领域，具体涉及一种基于对偶距离损失的生成对抗网络训练方法，包括以下步骤：S1：获取目标分布的数据集，以及对数据集进行预处理；S2：设置生成器和判别器神经网络的结构和参数，以及训练过程中的学习率；S3：根据步骤S2中的神经网络的参数计算出对偶距离损失函数；S4：基于步骤S3中的对偶距离损失函数采用随机梯度下降法，训练生成器，使之可以生成真实分布；这种基于对偶距离损失的生成对抗网络训练方法，实现通过给定数据的训练收敛到理想结论。

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