买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江南大学申请的专利一种面向小数据集样本的GAN判别器能力抑制算法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116484919B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310528726.1，技术领域涉及：G06N3/0464；该发明授权一种面向小数据集样本的GAN判别器能力抑制算法是由邓赵红;徐傲然;王士同设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本一种面向小数据集样本的GAN判别器能力抑制算法在说明书摘要公布了：本发明属于数据增强应用领域，具体涉及一种面向小数据集样本的GAN判别器能力抑制算法。本发明采用一种新型的判别器抑制模块，在判别器将判断结果进行损失计算之前，对其进行缩放处理。当判别器对真实数据进行判断时，会随机选取判别值与平均值进行判断，若该判别值大于同一批次中的平均值，则将其减去λ倍的平均值，从而达到缩小判别值的目的。而当判别器对生成器生成的虚假数据进行判断时，仍会随机选取判别值进行判断，若该判别值小于同一批次中的平均值，则为其加上λ倍的平均值。这样可以保持生成器和判别器之间的平衡，从而避免判别器达到最优状态，解决JS散度为0导致的训练终止问题。

本发明授权一种面向小数据集样本的GAN判别器能力抑制算法在权利要求书中公布了：1.一种面向小数据集样本的GAN判别器能力抑制算法，其特征在于，步骤如下： 第一步：将符合高斯分布的随机向量z输入至生成器G中，生成器G根据所输入的随机向量生成虚假图像Gz； 第二步：将生成器G所生成的虚假图像Gz输入至判别器D中，同时真实的图像数据Xreal也被输入至判别器D中； 第三步：判别器D对输入进来的虚假图像Gz和真实图像Xreal进行鉴别，判别器D会鉴别某个图像是真实或者虚假的概率； 第四步：判别器D对于真实图像的鉴别结果标记为d_real，对于虚假图像的鉴别结果标记为d_fake，并将d_real与d_fake输入至判别器抑制模块中； 所述的判别器抑制模块结构如下： 由GAN的目标函数可知，当生成器固定时，训练判别器的目标函数如下所示： maxVD,G＝∫xpdataxlogDx+pglog1-Dxdx 该公式通过调整Dx来获取最大值，所以对Dx求偏导并使偏导函数为0可得Dx的值如下式所示，该值也就是判别器Dx的最优解； 由上述公式可以看出，若判别器D训练为最佳时，得到： 移项可得判别器的目标函数为： VD,G＝2JSpdata||pg-log4 在GAN训练中，当判别器达到最优时，导致JSpdata||pg＝0，判别器的目标函数中的VD,G等于常数log4，此时网络无法进行有效的反向传播，导致训练中止；由于只有当判别器接近最优状态时，判别器的目标函数才能简化为求解JS散度的问题；因此本发明旨在对判别器的判别能力进行约束，从而避免判别器达到最优状态；具体实现方法是在判别器将判断结果进行损失计算之前，对其进行缩放处理，如下所示： Df＝SDini±λDavgλ0 其中Dini表示一个batch中判别器的初始判别结果，而Davg为该批次中判别结果的平均值，SDini表示对该批次判别值进行随机采样，Df表示判别器最终输出的判别结果；当判别器对真实数据进行判断时，会随机选取判别值与平均值进行判断，若该判别值大于同一批次中的平均值，则将其减去λ倍的平均值，从而达到缩小判别值的目的；而当判别器对生成器生成的虚假数据进行判断时，仍会随机选取判别值进行判断，若该判别值小于同一批次中的平均值，则为其加上λ倍的平均值； 第五步：判别器抑制模块根据输入进来的d_real与d_fake进行约束处理，具体是对输入数据进行随机采样并以输入数据的平均值为基准进行值的扩大或缩小处理； 第六步：判别器抑制模块对数据处理完毕之后将约束后的值进行交叉熵损失函数的计算，分别计算出生成器G的损失值g_loss与判别器D的损失值d_loss； 第七步：将g_loss输入给生成器G，d_loss输入给判别器D，两者根据对应的损失值进行梯度更新； 第八步：梯度更新之后重复上述的步骤，直至生成的虚假图像Gz符合预期。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。