用于机器学习中学习扰动集的方法和系统技术方案

用于机器学习中学习扰动集的方法和系统。一种用于训练神经网络的计算机实现的方法，包括接收输入数据，响应于维度潜在向量和输入数据定义输入数据的扰动版本，利用输入数据的扰动版本训练变分自动编码器（VAE），其中VAE利用编码器响应于输入数据和输入数据的扰动版本输出潜在向量，利用VAE的解码器解码潜在向量，返回到输入潜在空间以输出扰动示例，以及利用一个或多个扰动示例并在收敛到第一阈值时输出学习的扰动集合。出学习的扰动集合。出学习的扰动集合。

【技术实现步骤摘要】
用于机器学习中学习扰动集的方法和系统


[0001]本公开涉及利用机器学习、诸如利用自动编码器的图像增强和图像处理。

技术介绍

[0002]基于模型的鲁棒深度学习模型利用来自数据的自然变化的模型，该模型需要训练数据中不成对的图像域，其中两个域中的两个图像在不同条件下是相同的场景。对于大多数数据集来说，这样的要求难以满足。虽然它确实提供了使用不需要那些图像域的深度生成模型的概述，但是它可以使用现有的无监督多模态图像到图像转换，该转换不能在不同的复杂度和尺度下生成多个扰动。
[0003]在其他模型中发现的方法可以定义具有未混淆潜在特征的扰动集，但是这样的扰动集可能不具有明确含义。此外，由于计算量大，因此这样的模型可能需要混合潜在向量和随机近似。

技术实现思路

[0004]根据一个实施例，一种用于训练神经网络的计算机实现的方法，包括接收输入数据，响应于维度潜在向量和输入数据定义输入数据的扰动版本，利用输入数据的扰动版本训练变分自动编码器（VAE），其中VAE利用编码器响应于输入数据和输入数据的扰动版本输出潜在向量，利用VAE的解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于训练神经网络的计算机实现的方法，包括：接收输入数据；响应于维度潜在向量和输入数据定义输入数据的扰动版本；利用输入数据的扰动版本训练变分自动编码器（VAE），其中VAE利用编码器响应于输入数据和输入数据的扰动版本输出潜在向量；利用VAE的解码器解码潜在向量，返回到输入潜在空间以输出扰动示例；和利用一个或多个扰动示例并在收敛到第一阈值时输出学习的扰动集。2.根据权利要求1所述的计算机实现的方法，其中，所述神经网络至少利用学习的扰动集来训练一个或多个分类器。3.根据权利要求1所述的计算机实现的方法，其中，所述变分自动编码器是常规的变量自动编码器。4.根据权利要求1所述的计算机实现的方法，其中，对输入数据的扰动版本的解码进一步响应于输入数据是扰动版本的条件。5.根据权利要求1所述的计算机实现的方法，其中，第一阈值包括输入数据的损失量。6.根据权利要求1所述的计算机实现的方法，其中，所述潜在向量被限制到球的潜在空间。7.根据权利要求1所述的计算机实现的方法，其中，所述输入数据包括从相机获得的视频信息。8.一种包括神经网络的系统，包括：输入接口，被配置为接收输入数据；与输入接口通信的处理器，其中处理器被编程为：接收输入数据；响应于维度潜在向量和输入数据定义输入数据的扰动版本；输出与输入数据的扰动版本相关联的潜在向量，其中利用变分自动编码器（VAE）的编码器并且响应于输入数据和输入数据的扰动版本输出潜在向量；利用VAE的解码器解码潜在向量，返回到输入潜在空间以输出扰动示例；利用一个或多个扰动示例并在收敛到第一阈值时输出学习的扰动集；和利用学习的扰动集训练神经网络的一个或多...

【专利技术属性】
技术研发人员：E，
申请(专利权)人：罗伯特，
类型：发明
国别省市：