申请/专利权人：浙江大学杭州国际科创中心

申请日：2023-12-28

公开（公告）日：2024-04-26

公开（公告）号：CN117933322A

主分类号：G06N3/0499

分类号：G06N3/0499;G06N3/096;G06F18/23213;G06F18/241

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开一种基于网络补丁的神经网络遗忘学习方法，包括：S1、获取原始模型的原始数据集，并通过随机采样构建对应的遗忘数据集；S2、基于所述遗忘数据构建对应的补丁网络；S3、基于所述补丁网络与所述原始模型，合成对应的遗忘模型；S4、将多个中心数据点输入至原始模型和遗忘模型中，以获取相似数据点集；S5、以所述相似数据点集替换为新的遗忘数据集，以S3构建获得的遗忘模型作为下一轮的原始模型；S6、重复S2至S5，直至S4中的相似数据点集为空集，以获得与原始模型性能一致的替换模型。本发明还提供了一种神经网络遗忘学习装置。本发明提供的方法能减轻剩余数据对模型性能的影响，以满足数据持有者和模型所有者的需求。

主权项：1.一种基于网络补丁的神经网络遗忘学习方法，其特征在于，包括以下步骤：S1、获取原始模型的原始数据集，并通过随机采样构建对应的遗忘数据集；S2、对所述遗忘数据集进行聚类处理以获得多个中心数据点，并利用多个中心数据点构建对应的补丁网络；S3、基于所述补丁网络与所述原始模型，合成与原始模型框架一致的遗忘模型；S4、将多个中心数据点输入至原始模型和遗忘模型中，以获取在输出空间中表现相同的相似数据点集；S5、以所述相似数据点集替换为新的遗忘数据集，以S3构建获得的遗忘模型作为下一轮的原始模型；S6、重复S2至S5，直至S4中的相似数据点集为空集，以获得与原始模型性能一致的替换模型。

全文数据：

权利要求：

百度查询： 浙江大学杭州国际科创中心 一种基于网络补丁的神经网络遗忘学习方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD