[發明專利]數據的自主修改的方法和系統

在審

• 申請號: 202010323941.4
• 申請日: 2020-04-22
• 公開（公告）號: CN111860759A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: A·喬萬尼尼;A·F·羅德里格斯;M·加布拉尼;A·克里斯塔利迪斯
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 于靜;楊曉光

本發明涉及一種數據的自主修改的方法和系統。提供一種用于使用生成式對抗網絡來修改數據集中的模式的計算機實現的方法。所述方法包括提供數據樣本對。每個所述對包括基礎數據樣本和修改數據樣本。所述修改模式是通過對所述基礎數據樣本應用隨機修改來確定的。所述方法包括使用對抗訓練方法并且使用數據樣本對作為輸入來訓練所述生成器以構建所述生成器的模型，其中，所述判別器接收數據集的數據集對作為輸入，每個所述數據集對包括所述生成器的基于基礎數據樣本和所述對應的修改數據樣本的預測輸出，由此優化用于所述生成器和所述判別器的聯合損失函數，以及在沒有所述判別器的情況下，針對未知數據樣本作為所述生成器的輸入來預測輸出數據集。

技術領域

本發明一般地涉及自主更改數據模式，更具體地說，涉及用于使用生成式對抗網絡來修改數據集中的模式的計算機實現的方法。本發明還涉及用于使用生成式對抗網絡來修改數據集中的模式的對應的機器學習系統以及計算機程序產品。

背景技術

采取特殊機器學習形式的人工智能(AI)被廣泛引入企業部署中并且作為企業應用的一部分。當前，軟件開發正在經歷從線性編程到機器學習(ML)模型訓練的轉型過程。然而，事實證明，機器學習系統的訓練并不輕松，它是一個高度復雜的過程，成敗取決于訓練數據的可用性。機器學習系統的預測結果僅與訓練數據的結果一樣好。但是，良好的訓練數據通常需要良好的注釋或標記(labeling)才能被機器學習系統正確解釋以便開發成功的模型。

因此，如今編程不再是該過程中最耗時的部分。隨著機器學習的興起，標記成為新型工具開發的重要組成部分。實際上，基于機器學習的過程所需的樣本數量隨輸入的復雜性而伸縮。例如，LSVRC-2010ImageNet訓練集包括被組織成1000個類別的130萬個圖像(Sutskever，Hinton和Krizhevsky，2012年)。

在這種情況下，生成式對抗網絡(GAN)作為一種捕獲數據集固有分布的方式而開始獲得關注(Goodfellow等人所著，2014年)，從而導致諸如數據增強之類的應用(Antoniou、Storkey和Edwards，2018年)，在這些應用中，可以使用合成生成的樣本來訓練其它AI模型。

發明內容

根據本發明的一方面，可以提供一種用于使用生成式對抗網絡來修改數據集中的模式的計算機實現的方法。所述生成式對抗網絡可以包括生成器和判別器。所述方法可以包括提供數據樣本對。每個所述對可以包括具有模式的基礎數據樣本和具有對應的修改模式的修改數據樣本。所述修改模式可以通過對所述基礎數據樣本應用至少一個隨機修改來確定。

所述方法可以還包括使用對抗訓練方法并且使用所述數據樣本對作為輸入來訓練所述生成器以構建所述生成器的模型。從而，所述判別器可以接收數據集的數據集對作為輸入，其中，每個所述數據集對可以包括所述生成器的基于基礎數據樣本和所述對應的修改數據樣本的預測輸出，由此能夠優化用于所述生成器和所述判別器的聯合損失函數。

此外，所述方法可以包括在沒有所述判別器(即，可以去除所述判別器)的情況下，針對未知數據樣本作為所述生成器的輸入來預測輸出數據集。

根據本發明的另一方面，可以提供一種用于使用生成式對抗網絡來修改數據集中的模式的機器學習系統。所述生成式對抗網絡可以包括生成器網絡系統和判別器網絡系統。所述機器學習系統可以包括接收單元，其適于提供數據樣本對。每個所述對可以包括具有模式的基礎數據樣本和具有對應的修改模式的修改數據樣本。所述修改模式可以通過對所述基礎數據樣本應用至少一個隨機修改來確定。

所述系統可以還包括訓練模塊，其適于控制使用對抗訓練方法并且使用所述數據樣本對作為輸入來訓練所述生成器網絡系統以構建所述生成器網絡系統的模型。從而，所述判別器網絡系統可以接收數據集的數據集對作為輸入。每個所述數據集對可以包括所述生成器的基于基礎數據樣本和所述對應的修改數據樣本的預測輸出。由此，能夠優化用于所述生成器和所述判別器的聯合損失函數。