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！

龙图腾网恭喜浙江工业大学申请的专利一种基于偏见神经元的数据去偏方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115034371B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210685939.0，技术领域涉及：G06N3/06；该发明授权一种基于偏见神经元的数据去偏方法和装置是由陈晋音;陈一鸣;陈奕芃;郑海斌;赵云波设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种基于偏见神经元的数据去偏方法和装置在说明书摘要公布了：本发明公开了一种基于偏见神经元的数据去偏方法和装置，首先获取原始数据，并对所述原始数据中的类别属性进行标记，得到标记后的数据集，记作数据集X；再翻转数据集X中的敏感属性构成数据集X′，利用数据集X和数据集X′筛选深度学习模型中的偏见神经元；构建反向数据集；取k的反向数据集中的样本扩充至数据集X中合成增强数据集，随后将增强数据集输入至深度模型θ，并对深度模型θ进行训练，直到深度模型θ的分类精度大于80％，完成去偏。本发明通过利用深度学习模型中的偏见神经元反向生成训练样本，将原始样本数据集扩充增强，得到更加公平的数据集用于深度学习模型的训练，从而达到消除偏见的目的，并且提升深度学习模型决策的公平性。

本发明授权一种基于偏见神经元的数据去偏方法和装置在权利要求书中公布了：1.一种基于偏见神经元的数据去偏方法，其特征在于，包括以下步骤：1获取原始数据，并对所述原始数据中的类别属性进行标记，得到标记后的数据集，记作数据集X；所述原始数据为带有敏感属性的文本数据集；2翻转数据集X中的敏感属性构成数据集X′，利用数据集X和数据集X′筛选深度学习模型中的偏见神经元；所述步骤2具体包括以下子步骤：2.1翻转数据集X中的敏感属性构成数据集X′，使得数据集X′中的每个样本的敏感属性值与数据集X中对应样本的敏感属性值不同，但其他所有属性值相同；所述数据集X为{x1,x2,...xi,...xN}，数据集X′为{x1′,x2′,...xi′,...xN′}，N表示数据集X中共有N个样本，xi表示数据集X中的第i个样本，i＝1,2,...i,...N，xi和xi′之间敏感属性相反但其他所有属性值相同；将数据集X中的每个样本xi和数据集X′中的每个样本xi′组成样本实例对xi,xi′，由所有样本实例对构成新的数据集X*；2.2将数据集X*输入到深度模型θ，所述深度模型θ为五层全连接模型；2.3测量深度模型θ中各个对应位置的神经元两次的激活值，并对两次激活值进行归一化处理；随后将归一化处理后两次激活值的绝对值差异大于0.3神经元筛选出来作为偏见神经元；3构建反向数据集；所述步骤3具体包括以下子步骤：3.1将步骤2.3筛选出来的偏见神经元在深度模型θ训练中的损失函数记为loss；3.2在深度模型θ的输出层，对输入的数据xi进行求导，得到损失函数loss对数据xi的梯度，并且将该梯度乘上步长ε，加上数据xi，得到反向数据xi″；xi″的计算过程如下： 其中xi为数据集X中的第i个样本，ε＝0.001；3.3重复步骤4.3，直到深度模型θ的损失函数收敛，从而根据偏见神经元反向生成得到的新的反向数据集X″，所述反向数据集X″为{x1″,x2′′,...xi″,...xN′′}；4取k的反向数据集中的样本扩充至数据集X中合成增强数据集，随后将增强数据集输入至深度模型θ，并对深度模型θ进行训练，直到深度模型θ的分类精度大于80％，完成去偏；所述深度模型θ为五层全连接模型，所述k的取值为30％～50％。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。