公开(公告)号：CN119886263A

公开(公告)日：2025-04-25

申请号：CN202510049484.7

申请日：2025-01-13

Applicant: 河北工业大学

Inventor： 王振 ,  张奥甜 ,  李鹏飞 ,  常雪莹 ,  李英双 ,  齐巧玲 ,  程昊 ,  董永峰

IPC: G06N3/084 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明提供了一种双重平滑驱动的标签噪声鲁棒学习方法，包括如下步骤：获取带有噪声的数据集；初始化两个网络和各项参数；搭建模型与损失函数；将数据集输入两个网络中进行初始训练；每次迭代训练前对标签进行平滑处理；通过样本选择方法将原始数据集划分为伪干净数据集和伪噪声数据集；将伪干净数据集分别输入对方网络训练；将伪噪声数据集做损失平滑后输入对方网络进行训练。本发明方法针对数据集存在噪声的问题，采用双网络模型，通过双重平滑和设计新的损失函数，使得模型对噪声标签的敏感度降低，从而提高模型在面对噪声数据时的鲁棒性和泛化能力。

公开(公告)号：CN119939514A

公开(公告)日：2025-05-06

申请号：CN202510092934.0

申请日：2025-01-21

Applicant: 河北工业大学

Inventor： 王振 ,  孙雅丽 ,  李英双 ,  齐巧玲 ,  程昊 ,  董永峰

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明提供了一种基于单模态监督的双层质量感知的可信多模态融合方法，分别在特征层面和模态层面进行动态建模，根据特征和模态质量动态融合多模态数据，并引入图注意网络和结构引导的特征聚合模块来获得结构保留的全局紧凑特征表示，同时利用基于单模态监督的对比学习算法使无效模态向有效模态对齐。本发明的基于单模态监督的双层质量感知的可信多模态融合方法减少了噪声特征和模态对模型性能的负面影响，实现了更强的特征抽取能力，加强了模态间的关系，提高了模型分类的准确性和决策的可信度。