- 1、本文档共9页,其中可免费阅读8页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种基于生成模型的对抗样本生成方法,包括以下步骤:步骤1、获取需要进行对抗训练的模型在训练阶段使用的数据集,并进行预处理,将得到的数据集划分为训练集Xtrain和测试集Xtest两部分;步骤2、使用训练集Xtrain训练所需的对抗样本生成模型,批量生成对抗样本。本发明对抗样本生成方法将迭代带来的时间代价集中至生成模型的训练阶段,从而避免在样本生成阶段重复的进行迭代,可以快速、批量地生成对抗样本,并且,通过让随机模型参与生成器的训练,本方法生成的对抗样本将具有更强的泛化性能,这将使得生成
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113361594 A
(43)申请公布日 2021.09.07
(21)申请号 202110621339.3
(22)申请日 2021.06.03
(71)申请人 安徽理工大学
地址
文档评论(0)