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
本发明涉及一种基于强化学习动态集成选择的深度神经网络对抗训练方法，以集成动态选择的鲁棒性为目标定义模型选择的马尔科夫要素和过程，提出了基于轻量化集成和策略网络的强化学习模型框架，设计了基于优势动作评论算法(A2C)的动态集成选择训练框架，最终在图像测试集上实现动态集成算法，平衡对抗鲁棒性和干净准确率中的权衡问题。该方法创新性地利用传统多分类器系统中动态选择的思想，在深度神经网络下提出了基于强化学习集成动态选择的防御方法，利用模型的动态性从集成中为不同的输入图像选择更加鲁棒的子模型进行预测，这在提
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117876762A
(43)申请公布日2024.04.12
(21)申请号202311831074.5G06T5/20(2006.01)
文档评论（0）