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。