互信息对抗自动编码器制造技术

一种用于生成对象的方法包括：提供数据集，该数据集具有对象数据和条件数据；处理对象数据以获得潜在对象数据和潜在对象‑条件数据；处理条件数据以获得潜在条件数据和潜在条件‑对象数据；处理潜在对象数据和潜在对象‑条件数据以获得生成的对象数据；处理潜在条件数据和潜在条件对象数据以获得生成的条件数据；将潜在对象‑条件数据与潜在条件‑对象数据进行比较以确定差；处理潜在对象数据和潜在条件数据以及潜在对象‑条件数据或潜在条件‑对象数据中的一个以获得判别器值；以及基于生成的对象数据来选择选择的对象。

【技术实现步骤摘要】
【国外来华专利技术】互信息对抗自动编码器相关申请的交叉引用本申请要求于2018年6月22日提交的，标题为“MUTUALINFORMATIONADVERSARIALAUTOENCODER”的美国专利申请No.16/015,990的优先权，通过引用将其全部内容并入本文。

技术介绍
深度神经网络(DNN)是最近已经为复杂数据处理和人工智能(AI)创建的计算机系统架构。DNN是采用多于一个的非线性计算单元的隐藏层来预测针对一组接收到的输入的输出的机器学习模型。可以出于各种目的以各种配置来提供DNN，并且继续开发以改进性能和预测能力。后台架构可以包括生成式对抗网络(GAN)，该生成式对抗网络涉及深度学习以生成与数据对象不可区分的新颖对象。有条件的GAN或受监督的GAN生成与特定条件相匹配的对象。具有一种用于使用一个或更多个DNN生成满足条件的对象的计算机方法将是有利的，该一个或更多个DNN可以包括有条件的GAN或受监督的GAN。
技术实现思路
在一些实施例中，一种用于生成对象的方法可以包括：提供数据集，该数据集具有用于对象的对象本文档来自技高网...

【技术保护点】
1.一种用于生成对象的方法，所述方法包括：/n提供数据集，所述数据集具有用于对象的对象数据和用于条件的条件数据；/n用对象编码器处理所述数据集的对象数据，以获得潜在对象数据和潜在对象-条件数据；/n用条件编码器处理所述数据集的条件数据，以获得潜在条件数据和潜在条件-对象数据；/n用对象解码器处理所述潜在对象数据和所述潜在对象-条件数据，以获得生成的对象数据；/n用条件解码器处理所述潜在条件数据和所述潜在条件-对象数据，以获得生成的条件数据；/n将所述潜在对象-条件数据与所述潜在条件-对象数据进行比较以确定差；/n用判别器处理所述潜在对象数据和所述潜在条件数据以及所述潜在对象-条件数据或所述潜在...

【技术特征摘要】
【国外来华专利技术】20180622 US 16/015,9901.一种用于生成对象的方法，所述方法包括：
提供数据集，所述数据集具有用于对象的对象数据和用于条件的条件数据；
用对象编码器处理所述数据集的对象数据，以获得潜在对象数据和潜在对象-条件数据；
用条件编码器处理所述数据集的条件数据，以获得潜在条件数据和潜在条件-对象数据；
用对象解码器处理所述潜在对象数据和所述潜在对象-条件数据，以获得生成的对象数据；
用条件解码器处理所述潜在条件数据和所述潜在条件-对象数据，以获得生成的条件数据；
将所述潜在对象-条件数据与所述潜在条件-对象数据进行比较以确定差；
用判别器处理所述潜在对象数据和所述潜在条件数据以及所述潜在对象-条件数据或所述潜在条件-对象数据中的一个，以获得判别器值；
基于所述判别器值、所述潜在对象-条件数据与所述潜在条件-对象数据之间的差以及具有生成的对象的对象与具有生成的条件的条件之间的差，获得更好的潜在对象数据、更好的潜在对象-条件数据或更好的潜在条件-对象数据、和/或更好的潜在条件数据；
基于所生成的潜在对象数据和来自给定条件的潜在条件-对象数据来选择选择的对象；
获得所述选择的对象的物理形式；以及
验证所述选择的对象的物理形式。


2.根据权利要求1所述的方法，包括执行：
将所述生成的对象数据与所述对象数据进行比较；以及
选择选择的生成的对象数据，所述选择的生成的对象数据小于所述生成的对象数据与所述对象数据之间的阈值对象差。


3.根据权利要求2的方法，包括执行：
将所述生成的条件数据与所述条件数据进行比较；以及
选择选择的生成的条件数据，所述选择的生成的条件数据小于所述生成的条件数据与所述条件数据之间的阈值条件差。


4.根据权利要求3的方法，包括选择所述选择的对象，所述选择的对象与所述选择的生成的对象数据相对应或所述选择的对象与所述选择的生成的条件数据相对应。


5.根据权利要求1所述的方法，还包括：
准备所述选择的对象的所述物理形式；以及
用所述条件测试物理对象。


6.根据权利要求5所述的方法，其中：
所述选择的对象的物理形式的获得包括以下至少一个：合成、购买、提取、精炼、导出或以其他方式获得物理对象；和/或
所述测试包括测定细胞培养物中所述选择的对象的所述物理形式；和/或
通过基因分型、转录组分型、3D映射、配体-受体对接、扰动前后、初始状态分析、最终状态分析或它们的组合来测定所述选择的对象的所述物理形式。


7.根据权利要求1所述的方法，其中：
同时且独立地执行用所述对象编码器的所述处理和用所述条件编码器的所述处理；和/或
同时且独立地执行用所述对象解码器的所述处理和用所述条件解码器的所述处理。


8.根据权利要求1所述的方法，其中，所述差是所述潜在对象-条件数据与所述潜在条件-对象数据之间的欧氏距离的潜在偏差损失LMSE。


9.根据权利要求8所述的方法，其中，所述判别器值在[0，1]的范围内，并且所述判别器值与1之间的差的损失函数被确定为Ladv。


10.根据权利要求9所述的方法，还包括：
将所述潜在对象数据定义为Lobject，并且将所述潜在对象数据的权重定义为Wobject；
将所述潜在条件数据定义为Lcondition，并且将所述潜在条件数据的权重定义为Wcondition；
将所述LMSE的权重定义为WMSE；
将所述Ladv的权重定义为Wadv；并且
将加权和计算为Ltotal；以及
确定Ltotal是否低于阈值，当所述Ltotal低于所述阈值时，选择...

【专利技术属性】
技术研发人员：阿莱克桑德·阿列珀，阿莱克桑德·阿沃龙科夫斯，亚历山大·泽布拉克，阿图尔·卡杜林，达尼尔·奥利科夫斯基，里姆·沙亚赫梅托夫，
申请(专利权)人：英矽智能科技知识产权有限公司，
类型：发明
国别省市：中国香港;81