原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及人工智能技术领域，提供一种异常样本生成方法、图异常检测方法及电子设备，该方法首先基于本地编码器，对第一正常图数据进行编码，得到第一编码数据；然后应用第一编码数据生成异常编码数据；最后基于本地解码器，对异常编码数据进行解码，得到异常图数据。其中，本地编码器和本地解码器是与对端编码器和对端解码器基于第二正常图数据进行联邦学习得到的，对端编码器和对端解码器设置在对端。该方法可以在联邦学习场景下，通过本地编码器、本地解码器以及对端编码器、对端解码器构建的联邦自编码器模型实现单分类学习任务，生成
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117828343A
(43)申请公布日2024.04.05
(21)申请号202311551177.6G06N3/0475(2023.01)
文档评论（0）