公开(公告)号：CN111783980A

公开(公告)日：2020-10-16

申请号：CN202010594875.4

申请日：2020-06-28

Applicant: 大连理工大学

Inventor： 林原 ,  谢张 ,  应承轩 ,  牟方舟 ,  叶子雄 ,  许侃 ,  林鸿飞

IPC: G06N3/08 ,  G06N3/04 ,  G06F16/33 ,  G06F16/38

Abstract: 一种基于双重协作生成式对抗网络的排序学习方法，该生成式对抗网络包含三个角色：导师，生成器和判别器，该方法主要步骤包括：S1、构建排序学习所需数据集步骤；S2、创建导师网络和生成器网络步骤；S3、创建判别器网络步骤；S4、数据细节及参数设置步骤；S5、T-G网络模型迭代训练步骤；S6、G-D网络模型迭代训练步骤；S7、多指标有效性测试结果返回步骤，效果是改善了用于排序学习的生成式对抗网络，在先前的知识体系基础上，通过导师与生成器之间的交互帮助与监督，减少了生成器和判别器之间的差异，提高了生成器的效率与有效性，在训练过程中大大削弱了过拟合的风险，改善了排序学习的性能。

公开(公告)号：CN111783980B

公开(公告)日：2023-04-07

申请号：CN202010594875.4

申请日：2020-06-28

Applicant: 大连理工大学

Inventor： 林原 ,  谢张 ,  应承轩 ,  牟方舟 ,  叶子雄 ,  许侃 ,  林鸿飞

IPC: G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/047 ,  G06F16/33 ,  G06F16/38

Abstract: 一种基于双重协作生成式对抗网络的排序学习方法，该生成式对抗网络包含三个角色：导师，生成器和判别器，该方法主要步骤包括：S1、构建排序学习所需数据集步骤；S2、创建导师网络和生成器网络步骤；S3、创建判别器网络步骤；S4、数据细节及参数设置步骤；S5、T‑G网络模型迭代训练步骤；S6、G‑D网络模型迭代训练步骤；S7、多指标有效性测试结果返回步骤，效果是改善了用于排序学习的生成式对抗网络，在先前的知识体系基础上，通过导师与生成器之间的交互帮助与监督，减少了生成器和判别器之间的差异，提高了生成器的效率与有效性，在训练过程中大大削弱了过拟合的风险，改善了排序学习的性能。