龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：复旦大学
摘要：本发明提供了一种基于遗忘恢复学习的增强深度神经网络公平性方法及装置，具有这样的特征，包括以下步骤：步骤S1将偏见训练集划分为多个子训练集；步骤S2计算预训练模型在各个子训练集上的识别准确率；步骤S3将最高的识别准确率对应的子训练集作为主导训练集；步骤S4根据主导训练集构建第一数据集；步骤S5将第一数据集中的各个样本的标签进行随机更改，得到偏差数据集；步骤S6根据偏差数据集对预训练模型进行训练，得到选择性遗忘模型；步骤S7从各个子训练集中选取多个样本构建平衡数据集；步骤S8根据平衡数据集对选择性遗忘模型进行训练，得到微调模型。总之，本方法能够提升公平性的同时保持模型预测准确率。
主权项：1.一种基于遗忘恢复学习的增强深度神经网络公平性方法，用于根据偏见数据集和对应的预训练模型得到具有公平性的微调模型，其特征在于，包括以下步骤：步骤S1，将所述偏见训练集划分为对应不同群体的多个子训练集；步骤S2，计算所述预训练模型在各个所述子训练集上的识别准确率；步骤S3，将最高的所述识别准确率对应的所述子训练集作为主导训练集；步骤S4，从所述主导训练集中随机选取多个样本构建第一数据集；步骤S5，将所述第一数据集中的各个所述样本的标签进行随机更改，得到偏差数据集；步骤S6，根据所述偏差数据集对所述预训练模型进行训练，得到训练好的所述预训练模型作为选择性遗忘模型；步骤S7，从各个所述子训练集中选取多个样本构建平衡数据集；步骤S8，根据所述平衡数据集对所述选择性遗忘模型进行微调，得到微调好的所述选择性遗忘模型作为所述微调模型。
全文数据：
权利要求：
百度查询： 复旦大学 基于遗忘恢复学习的增强深度神经网络公平性方法及装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号