首页> 中国专利> 使用可逆增强算子采用有限数据训练神经网络

使用可逆增强算子采用有限数据训练神经网络

页面导航

摘要
著录项
相似文献

摘要

本发明公开了使用可逆增强算子采用有限数据训练神经网络，实施例涉及用于使用有限的数据量来训练神经网络(诸如生成对抗神经网络(GAN))的技术。使用太少的示例数据来训练GAN通常导致鉴别器过度拟合，从而导致训练发散并产生差的结果。使用自适应鉴别器增强机制，该机制显著稳定具有有限数据的训练，从而提供训练高质量GAN的能力。将增强算子应用于用于训练生成器的鉴别器的输入的分布，其表示可逆的变换，以确保不存在到由生成器生成的图像的增强泄漏。减少实现收敛所需的训练数据的量具有显著帮助许多应用的潜力，并且可增加在诸如医学之类的领域中的生成模型的使用。

著录项

公开/公告号CN113762461A

专利类型发明专利
公开/公告日2021-12-07

原文格式PDF
申请/专利权人辉达公司;
展开▼

申请/专利号CN202110623844.1
发明设计人 T·T·卡拉斯;M·S·艾塔拉;J·J·海尔斯顿;S·M·莱内;J·T·莱赫蒂宁;T·O·艾拉;
展开▼

申请日2021-06-04
分类号G06N3/04(20060101);G06N3/08(20060101);
代理机构11336 北京市磐华律师事务所;
代理人高伟
地址美国加利福尼亚州
入库时间 2023-06-19 13:37:05

相似文献

专利
中文文献
外文文献

1. 使用可逆增强算子采用有限数据训练神经网络 [P] . 中国专利： CN113762461A . 2021-12-07
2. 使用合成数据和创新生成网络进行深度神经网络的高级和增强训练的方法和系统 [P] . 中国专利： CN110352430A . 2019-10-18
3. Training neural networks with limited data using invertible augmentation operators [P] . DE102021205690A1 . 2021-12-09

机译：使用可逆的增强运营商培训具有有限数据的神经网络
4. TRAINING NEURAL NETWORKS WITH LIMITED DATA USING INVERTIBLE AUGMENTATION OPERATORS [P] . US2021383241A1 . 2021-12-09

机译：使用可逆的增强运营商培训具有有限数据的神经网络
5. Post-detection, fiber optic dispersion compensation using adjustable inverse distortion operator employing trained or decision-based parameter adaptation (estimation) [P] . 美国专利： US2005047779A1 . 2005-03-03

机译：检测后，使用可调节的反失真算子进行光纤色散补偿，该算子采用经过训练或基于决策的参数自适应（估计）