-
公开(公告)号：CN114781583A
公开(公告)日：2022-07-22
申请号：CN202210238956.X
申请日：2022-03-07
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明提供一种提高深度神经网络模型对抗鲁棒性的方法。该方法包括：步骤1：构建内生防护模块，所述内生防护模块包括注意力单元，所述注意力单元包括用于输入原始样本的第一输入端和用于输入对抗样本的第二输入端，以及对应的用于输出原始输出的第一输出端和用于输出对抗输出的第二输出端；步骤2：在给定的深度神经网络模型结构中确定若干个插入位置，在所述插入位置插入所述内生防护模块，得到新的深度神经网络模型；步骤3：采用对抗训练方法对所述新的深度神经网络模型进行训练。本发明从深度神经网络模型结构本身着手，可以极大提高深度神经网络模型的对抗鲁棒性，又不会对其性能带来负面影响。
-
公开(公告)号：CN117312949A
公开(公告)日：2023-12-29
申请号：CN202311260413.9
申请日：2023-09-27
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F18/241 , A61B5/374 , A61B5/00 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/0464
摘要： 本发明涉及脑电信号处理技术领域，特别涉及一种基于2K标准分类器的生成对抗网络脑电数据扩增方法及系统，通过信号格式变换处理对原始脑电信号进行处理，并基于处理后的脑电信号来获取脑电数据样本；在生成对抗网络模型中的生成器和判别器分别添加用于提取脑电信号每个电极中不同维度特征的CNN结构，通过将类别标签加入判别器输入分支来使判别器等效为2K标准分类器，以构建用于脑电数据样本增强的生成对抗网络模型；利用生成对抗网络模型对脑电数据样本进行扩增处理。本发明使得模型有针对性地结合不同类别特征生成数据，有条件生成的扩增数据能够契合脑电身份识别的应用场景，提高类别间差异化特征的学习能力，可适用于脑电不同类型的数据集样本。
-
公开(公告)号：CN117152418A
公开(公告)日：2023-12-01
申请号：CN202311233167.8
申请日：2023-09-22
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明属于计算机视觉目标检测技术领域，特别涉及一种基于多样化数据增强的目标检测对抗样本生成方法及装置，该方法包括首先选取若干数据增强方法对数据集中的原始图片进行数据增强；然后将数据增强后的图片送入目标检测模型，计算各种数据增强方法对应的图像增强数据的梯度值，通过对每次迭代随机选取的数据增强策略计算的梯度值与原图梯度值进行加权平均来获取数据增强后的梯度值；最后将数据增强后的梯度值与动量相结合迭代更新原始图片，生成对抗样本。本发明提出了基于翻转和颜色随机变换的数据增强框架，有效防止对抗样本过拟合，另外，在迭代过程中将加权平均梯度与Moment动量结合，避免落入较差的局部最优中，有效的优化了收敛过程。
-
公开(公告)号：CN115358315A
公开(公告)日：2022-11-18
申请号：CN202211000711.X
申请日：2022-08-19
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明提供一种神经网络模型的对抗鲁棒性评估方法。该方法包括：步骤1：将神经网络模型中的分类器分为非线性部分fh和线性部分ft；步骤2：利用非线性部分fh来定义输入样本的表征向量；以表征向量作为自变量，利用线性部分ft来定义表征向量到各类别的绝对分类边界的距离公式；步骤3：根据输入至神经网络模型的原始样本x随机生成一个对抗样本，并将其作为最初的起始点；步骤4：利用距离公式和梯度下降法对给定的起始点进行优化更新，使得更新后的起始点的表征向量接近各类别的绝对分类边界；步骤5：重复步骤4，直至达到停止条件；步骤6：将最终的起始点作为对抗样本x′，使用攻击算法进行迭代攻击以确定神经网络模型的对抗鲁棒性。
-
-
-
搜索结果
4 条记录 (耗时 0.048 秒)
