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！

龙图腾网恭喜福州大学申请的专利一种基于对抗训练增强的主动学习方法及系统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：CN116187400B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202310012836.2，技术领域涉及：G06N3/0475；该发明授权一种基于对抗训练增强的主动学习方法及系统是由刘西蒙;林璇威;董晨;王雨扬设计研发完成，并于2023-01-05向国家知识产权局提交的专利申请。

本一种基于对抗训练增强的主动学习方法及系统在说明书摘要公布了：本发明提出一种基于对抗训练增强的主动学习方法及系统，包括以下步骤；步骤A：构建对抗训练器；步骤B：构造变分自编码器；步骤C：构造多层感知机的判别模型；步骤D：根据具体任务的请求策略从判别模型的输出中选择一组最大信息量的候选集，通过人工进行标注，将标注得到新的有标签数据注入到有标签数据集来进行数据集的更新，接着通过更新的有标签图片数据集进行增量的训练更新目标模型，使得模型在尽可能少的数据集中训练获得更高的收益；步骤E：循环上述步骤直到满足预设的抽样比率或者图像识别模型性能；本发明能够有效对无标签图像数据或者现有无标签池中图像数据进行标注，使得人工标注大大减少，能够以少量的训练数据达到较高的性能。

本发明授权一种基于对抗训练增强的主动学习方法及系统在权利要求书中公布了：1.一种基于对抗训练增强的主动学习方法，其特征在于：包括以下步骤；步骤A：构建一个对抗训练器F，其中F是由对抗样本生成器fG和目标图像识别模型fθ组成，再将少量有标签图片数据集输入到对抗训练器F中，对抗训练器F的任务是完成对抗样本Xadv的生成和目标图像识别模型fθ的训练；步骤B：构造变分自编码器VAE，其中VAE分成Encoder和Decoder两部分；基于步骤A所得到的对抗样本以及已采样的有标签图片数据集和无标签图片数据集将这些数据作为VAE网络的输入来训练该网络；利用VAE网络有效的学习到各个不同数据的底层表征空间Z，将得到的底层表征空间Z作为后续选择最大信息量的无标签图片样本的指导方向；步骤C：构造多层感知机的判别模型fD，与步骤B中构造的VAE网络组成生成对抗网络GAN；根据步骤B中所得到的底层表征空间Z作为判别模型fD的输入，利用对抗的思想训练VAE网络和判别模型fD，最后利用判别模型fD的输出进行挑选最大信息量的无标签样本；在VAE-fD的对抗过程中，VAE网络旨在判别模型fD尽可能将无标签数据判别为有标签数据，与此同时判别模型fD旨在尽可能正确区分有标签和无标签图片数据；步骤D：根据具体任务的请求策略Q从判别模型的输出中选择一组最大信息量的候选集S，S中的无标签图片样本具有易混淆、难判别特点，通过人工进行标注，将标注得到新的有标签数据XU,y注入到有标签数据集来进行数据集的更新，接着通过更新的有标签图片数据集进行增量的训练更新目标模型fθ，使得模型在尽可能少的数据集中训练获得更高的收益；步骤E：循环上述步骤直到满足预设的抽样比率或者图像识别模型性能。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。