申请/专利权人:重庆艾瑞数智科技有限公司
申请日:2023-12-25
公开(公告)日:2024-04-09
公开(公告)号:CN117852591A
主分类号:G06N3/0475
分类号:G06N3/0475;G06N3/045;G06N3/0464;G06N3/048;G06N3/084;G06N3/094;G06F18/214
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本申请提供了一种生成对抗网络模型的训练方法及系统,在本申请的生成对抗网络模型中包括有第一生成器和多个特征判别器;在本申请提供的生成对抗网络模型的训练方法中,基于不同特征数据来确定特征判别器的损失函数,同时不同特征判别器的网络结构也由其接收的特征数据来决定,使得各个特征判别器的损失函数得到改进从而降低各个特征判别器的损失,并基于各个特征判别器的损失函数共同确定生成对抗网络模型的目标函数,以此目标函数来完成来对多个特征判别器和第一生成器进行交替训练以完成对于生成对抗网络模型的训练,使得模型的训练过程更为稳定,提升了模型生成的正负样本的质量。
主权项:1.一种生成对抗网络模型的训练方法,其特征在于,所述生成对抗网络模型包括第一生成器和多个特征判别器;所述训练方法,包括:获取多组不同类别的特征数据;所述多组不同类别的特征数据具有各自对应的特征判别器;所述特征数据为所述特征判别器的输入数据;所述特征判别器的网络结构基于输入的所述特征数据确定;所述特征数据基于对获取到的诈骗业务行为数据进行特征处理得到;针对于所述多个特征判别器中的第一特征判别器,将所述多组不同类别的特征数据中的至少一组特征数据作为训练数据,对所述第一特征判别器进行训练,确定所述第一特征判别器的损失函数;根据所述多个特征判别器各自对应的损失函数,确定所述生成对抗网络模型的目标函数;基于所述目标函数控制所述多个特征判别器和所述第一生成器进行交替训练,得到预设生成对抗网络模型;所述预设生成对抗网络模型为基于所述目标函数训练得到的生成对抗网络模型。
全文数据:
权利要求:
百度查询: 重庆艾瑞数智科技有限公司 一种生成对抗网络模型的训练方法及系统
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。