内容提供者
一种基于注意力机制的多标签稀疏对抗攻击方法.pdf
2023-05-23
10金币
432KB
10页
明轩****la
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
在线预览结束，喜欢就下载吧，查找使用更方便
相关资料
一种基于注意力机制的多标签稀疏对抗攻击方法.pdf
本发明公开了一种基于注意力机制的多标签稀疏对抗攻击方法,属于对抗攻击技术领域,该攻击方法具体步骤如下:(1)采集标签图像并进行处理;(2)构建深度学习网络以进行分析对抗;(3)实时监测该学习网络运行情况并进行优化;(4)反馈并存储数据以供工作人员查看调整;本发明能够对深度学习网络进行多次的迭代训练,大幅提高深度学习网络对标签图像分析的准确性,无需工作人员手动进行训练,减少工作人员工作量,提高工作人员工作积极性,能够更直观的将深度学习网络运行性能反馈给工作人员查看,方便工作人员对深度学习网络运行情况进行分析
2023-05-23
10
432KB
一种基于注意力机制的多标签文本分类方法及系统.pdf
本发明提出一种基于注意力机制的多标签文本分类方法及系统，涉及多标签文本分类的技术领域，解决了当前多标签文本分类方法大多忽略标签与文本之间关联性，在标签规模大，类别分布不均衡时，分类准确率低的问题，基于图嵌入算法优化标签之间的相似度，得到标签结构矩阵，保留标签的全局结构和局部结构，再通过构建基于卷积神经网络和注意力机制的多标签文本分类模型，利用卷积神经网络进行文本深层的特征提取，利用注意力机制捕获标签结构与文档内容的潜在关系，进行了更深层次的挖掘，能在标签规模大、标签分布不均衡的情况下，充分利用训练集中的标
2023-11-06
10
705KB
一种基于通道注意力的行人再识别对抗攻击方法.pdf
本申请公开了一种基于通道注意力的行人再识别对抗攻击方法，该方法包括：基于掩码算法mask和ECA通道注意力，构建卷积神经网络；基于行人图像训练集，获取卷积神经网络的输入图像；基于输入图像和卷积神经网络，获取输入图像中的深度特征；基于损失函数，获取深度特征的损失值并优化卷积神经网络，得到深度神经网络；基于深度神经网络和待查询图像，获取待查询图像的最终特征；基于最终特征与行人图像的特征向量之间的相似度，获得待查询图像的匹配结果。本申请提出对抗性注意力机制的行人再识别攻击方法，破坏掩码mask的打分规则来打破原
2023-06-07
10
701KB
面向特征图注意力机制的对抗攻击防御方法及应用.pdf
本发明公开了一种面向注意力机制的对抗攻击防御方法，包括以下步骤：(1)采用注意力机制提取目标轮廓的轮廓特征，并且基于轮廓特征加入微小的扰动量，获得对抗样本，再通过动量迭代的方式优化扰动变量以更新对抗样本，从而实现对深度模型的对抗攻击；(2)利用对抗样本基于多强度对抗训练策略对深度模型进行对抗训练，以实现深度模型对对抗攻击的防御。该方法提高了分类器对对抗样本攻击的鲁棒性和泛化能力，从而使得分类器更加可靠、稳定，提高深度学习模型在实际应用过程中的安全性。还公开了一种面向注意力机制的对抗攻击防御方法在图像分类中
2023-08-29
10
1.6MB
一种基于注意力机制Seq2Seq多标签简历的行业分类方法及系统.pdf
本发明公开了一种基于注意力机制Seq2Seq多标签简历的行业分类方法及系统，分类方法包括：获取求职人员简历文本，进行分词与停用词去除操作；由文本序列字典，将词语转化为对应的序列后经过词嵌入操作，将词语向量化，获得简历文本的向量表示；对输入文本各个时间步上的词语提取隐藏状态，获得包含上下文语义的向量编码；解码过程中引入注意力机制，使得每个时间步的输出关注输入时的不同内容，实现多标签输出；获取输出中概率最大作为最终的输出序列，通过反转字典，将输出序列转化为预测的各行业标签，实现多标签简历的行业分类。本发明可以
2023-07-21
10
579KB