[發明專利]泛域樣本數據表示學習、增擴方法、存儲介質及終端

在審

• 申請號: 202010620125.X
• 申請日: 2020-06-30
• 公開（公告）號: CN113869485A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 田金鳳;王琛;李明齊;卞鑫
• 申請（專利權）人: 中國科學院上海高等研究院
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

1.一種泛域樣本數據表示學習方法，其特征在于，包括以下步驟：

基于訓練樣本集和隱變量訓練改進的生成對抗網絡，以學習不同樣本域中樣本分布隨所述隱變量的變化關系；所述改進的生成對抗網絡包括所述訓練樣本集和所述隱變量作為輸入的生成網絡和判別網絡。

2.根據權利要求1所述的泛域樣本數據表示學習方法，其特征在于：所述隱變量的個數為一個或多個，所述生成網絡采用循環生成網絡結構。

3.根據權利要求2所述的泛域樣本數據表示學習方法，其特征在于：所述循環生成網絡采用單向循環生成網絡，所述改進的生成對抗網絡包含一個判別網絡。

4.根據權利要求2所述的泛域樣本數據表示學習方法，其特征在于：所述循環生成網絡采用雙向循環生成網絡，所述改進的生成對抗網絡包含至少兩個判別網絡。

5.根據權利要求1所述的泛域樣本數據表示學習方法，其特征在于：所述訓練樣本采用帶標簽的監督樣本集和/或無標簽的無監督樣本集。

6.根據權利要求1所述的泛域樣本數據表示學習方法，其特征在于：所述改進的生成對抗網絡基于最小化對抗損失、循環一致性損失、最大化隱變量與生成特征之間的互信息量，實現網絡優化訓練。

7.一種泛域樣本數據增擴方法，其特征在于：包括以下步驟：

基于權利要求1-6之一所述的泛域樣本數據表示學習方法訓練改進的生成對抗網絡；

基于訓練好的改進的生成對抗網絡，控制隱變量的取值，生成與所述隱變量的取值關聯的目標域樣本集。

8.根據權利要求7所述的泛域樣本數據增擴方法，其特征在于：所述目標域是所述訓練樣本集中樣本所屬域中的一種，或是所述訓練樣本集中樣本所屬域以外的其它域。

9.一種存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1至6中任一項所述的泛域樣本數據表示學習方法和/或權利要求7或8所述的泛域樣本數據增擴方法。

10.一種終端，其特征在于，包括：處理器及存儲器；

所述存儲器用于存儲計算機程序；

所述處理器用于執行所述存儲器存儲的計算機程序，以使所述終端執行權利要求1至6中任一項所述的泛域樣本數據表示學習方法和/或權利要求7或8所述的泛域樣本數據增擴方法。