申请/专利权人：南京理工大学

申请日：2021-04-27

公开（公告）日：2021-07-23

公开（公告）号：CN113159294A

主分类号：G06N3/04(20060101)

分类号：G06N3/04(20060101);G06N3/08(20060101);G06K9/62(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2022.07.12#发明专利申请公布后的撤回;2021.08.10#实质审查的生效;2021.07.23#公开

摘要：本发明公开了基于同伴学习的样本选择算法，包括以下步骤：1同时训练两个深度卷积神经网络，将图像输入两个网络分别进行前向计算，预测图像类别，计算交叉熵损失；2两个网络利用预测结果不一致的样本更新自身网络参数；3两个网络从预测一致的样本中选取低损失值的样本互相更新对方网络参数。本发明两个同伴子网络通过“自我学习”利用网络预测不一致的样本更新网络和“相互交流”交换网络预测一致的样本来更新网络来提升最终的识别性能，有效应对了网络图像数据集存在的标签噪声问题。另外，本发明能有效地从含标签噪声的数据集中选取出对模型训练有益的样本，可广泛应用于各类标签不可靠的场景任务下。

主权项：1.一种基于同伴学习的样本选择算法，其特征在于：包括以下步骤：1同时训练两个深度卷积神经网络即同伴网络h1和h2，同伴网络分别对输入样本进行类别预测并计算交叉熵损失；2通过同伴网络的预测是否相异来构建预测不一致的样本集；3通过同伴网络的预测是否相同来构建预测一致的样本集，随后从这些样本中选出低损失值的样本，利用它们更新对方网络参数；4同伴网络h1利用预测不一致的样本更新同伴网络h1自身网络参数，同伴网络h2利用预测一致的样本中低损失值的样本更新同伴网络h2对方网络参数。

全文数据：

权利要求：

百度查询： 南京理工大学 基于同伴学习的样本选择算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD