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：本发明公开一种为卷积神经网络生成图像分类反例的自动求解方法，首先是将训练后承担分类任务的目标卷积网络模型fX与负责构造反向特征的形态扰动网络模型gX分别转为一个等价的可进行满足性求解的模型f’X和g’X；然后将f’X和g’X通过逻辑操作符“∧”联立构成一个合取范式形式的求解模型f’X≥y1∧g’X≥y2，y1与y2为fX与gX的分类基线，可动态设定y1与y2的值控制样本X的形态特征；最后，调用SMT求解器对构建的求解模型进行动态推理计算，求解得到的样本X即为反例样本。
主权项：1.一种为卷积神经网络生成图像分类反例的求解方法，首先是将训练后承担分类任务的目标卷积网络模型fX与负责构造反向特征的形态扰动网络模型gX分别转为一个等价的可进行满足性求解的模型f’X和g’X；然后将f’X和g’X通过逻辑操作符“∧”联立构成一个合取范式形式的求解模型f’X≥y1∧g’X≥y2，y1与y2为fX与gX的分类基线，动态设定y1与y2的值控制样本X的形态特征；最后，调用SMT求解器对构建的求解模型进行动态推理计算，求解得到的样本X即为反例样本；所述形态扰动网络模型gX为与fX分类任务互异的卷积神经网络模型，以进行反例形态特征的迁移；gX的可满足性模型转化方式与fX相同；所述分类基线y1与y2的逻辑关系为：如果固定y1的值，y2的值越大，则反例求解计算受到gX的形态扰动越强，生成的样本图像X反例特征越明显。
全文数据：
权利要求：
百度查询： 兰州大学 一种为卷积神经网络生成图像分类反例的求解方法
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