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：兰州大学
摘要：本发明公开了一种解释卷积神经网络模型分类依据的符号化执行方法，包括：首先，以一张符号化图像作为目标卷积神经网络模型的输入，并对网络模型进行符号化执行；基于符号化执行的结果，构造一个与网络模型具有等价计算语义的符号化模型。提取符号化模型中符号变量对应的权值，获得一个像素敏感值分布矩阵。最后，以给定的一张真实图像与像素敏感值分布矩阵点乘计算后的值作为计算依据，输出一张对应的显著图用于解释网络模型偏好的对象以及背景特征。本发明不仅可以对于卷积神经网络模型偏好的对象特征进行准确性解释，而且可以对于网络模型偏好的背景特征进行准确性解释。
主权项：1.一种解释卷积神经网络模型分类依据的符号化执行方法，其特征在于，包括以下步骤：获取符号化图像，选取待解释模型，基于所述符号化图像对所述待解释模型进行符号化执行；所述待解释模型为训练后的卷积神经网络，包括卷积层、ReLU层、最大池化层、全连接层；基于符号化执行的结果构建符号化模型，提取所述符号化模型中各个符号变量的对应权值，构建像素敏感值分布矩阵；构建符号化模型的过程包括：构建可判定非线性函数，将所述待解释模型中的最大池化层、ReLU层的激活操作分别采用平均池化层、所述可判定非线性函数进行替换，通过所述符号化图像符号化执行进行替换操作后的模型，基于符号化执行的结果构建符号化模型；所述可判定非线性函数如下： 其中，cij为卷积核的权值，xij为符号化图像中一个像素对应的符号变量，X为图像像素对应的符号变量，C为卷积核权值的集合，i和j表示像素的位置；当卷积核的权值cij全为正数时，∑cijxij大于等于0的数，保持卷积核中的权值不变；当卷积核权值全为负数时，卷积核C中的参数全部修改为0；当卷积核的权值不是全部为正数或者负数时，非负值采用衰减因子进行处理，负值采用缩小因子处理，获得处理后的卷积核的权重值c′ij，所述衰减因子是卷积核中为正数的权值之和与全部元素权值绝对值之和的比值；根据给定的真实图像与所述像素敏感值分布矩阵，获得显著图，通过所述显著图对待解释模型的偏好对象及背景特征进行多维度解释。
全文数据：
权利要求：
百度查询： 兰州大学 一种解释卷积神经网络模型分类依据的符号化执行方法
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。
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