公开(公告)号：CN118265989A

公开(公告)日：2024-06-28

申请号：CN202280077019.9

申请日：2022-09-30

申请人： 三菱电机株式会社

发明人： 秋浓俊昭 ,  王也 ,  N·斯梅德马克-马古利斯

IPC分类号： G06N3/0985 ,  G06N3/096 ,  G06N3/082 ,  G06N3/084 ,  G06N7/01 ,  G06N3/086 ,  G06N3/094 ,  G06N3/092 ,  G06N3/045

摘要： 提供了用于人工神经网络架构的自动化构建的系统和方法。该系统包括被配置为接收和发送信号的一组接口和数据链路，其中，信号包括训练数据、验证数据和测试数据的数据集，其中，信号包括多维信号形式的一组随机变量因子，其中，随机变量因子的一部分与要识别的任务标签以及滋扰变化相关联。该系统还包括一组存储体，以存储一组可重构深度神经网络(DNN)块、超参数、可训练变量、中间神经元信号和临时计算值，临时计算值包括前向传递信号和后向传递梯度。该系统还包括至少一个处理器，至少一个处理器与接口和存储体相连接，被配置为将信号和数据集提交到可重构DNN块中，其中，该至少一个处理器被配置为探索预处理方法和后处理方法、正则化模块的超参数，以使得可重构DNN块实现滋扰鲁棒的贝叶斯推理，从而可在具有域转移的情况下迁移到新数据集。

公开(公告)号：CN118843870A

公开(公告)日：2024-10-25

申请号：CN202280093430.5

申请日：2022-12-15

申请人： 三菱电机株式会社

发明人： 王也 ,  余曦 ,  N·斯梅德马克-马古利斯 ,  S·阿隆 ,  秋浓俊昭 ,  P·穆林 ,  M·布兰德 ,  K·帕森斯

IPC分类号： G06N3/0455 ,  G06N3/047 ,  G06N3/094 ,  G06N3/088

摘要： 本公开的实施方式公开了一种用于训练神经网络以改进对抗鲁棒性的方法和系统。该方法包括以下步骤：收集包括干净数据样本和对抗数据样本的多个数据样本。神经网络的训练包括训练概率编码器将多个数据样本编码为隐空间表示上的概率分布。另外，神经网络的训练包括训练分类器对隐空间表示的实例进行分类以生成分类结果。另外，该方法包括以下步骤：使用干净数据样本训练神经网络的第一实例的共享参数并且使用对抗数据样本训练神经网络的第二实例的共享参数。此外，该方法包括以下步骤：输出神经网络的第一实例和神经网络的第二实例的共享参数。