基于条件生成式对抗网络的MMP预测方法及装置.pdf
书生****35
亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于条件生成式对抗网络的MMP预测方法及装置.pdf
本发明实施例公开了一种基于条件生成式对抗网络的MMP预测方法及装置,该方法包括:获取目标油藏的MMP影响因素数据;将所述MMP影响因素数据输入到预先训练出的生成器中,得到所述预先训练出的生成器输出的所述目标油藏的MMP预测值,其中,所述生成器为根据训练样本集进行多次迭代训练得到的,所述训练样本集中的每个训练样本包含:油藏的MMP值以及油藏的MMP影响因素数据。本发明实现了准确、高效的对油藏的MMP进行预测的有益效果。
基于生成式对抗网络的音乐旋律编曲方法、装置及系统.pdf
本发明公开了一种基于生成式对抗网络的音乐旋律编曲方法、装置及系统,所述方法包括:接收客户端发送的表单,根据表单中的信息,利用机器学习模型合成音乐文件;其中所述机器学习模型采用改进的生成式对抗网络模型;所述改进的生成式对抗网络模型将一个判别器改进为两个判别器,同时将生成器中的长短期记忆结构改进为关系记忆单元;将所述音乐文件的路径返回给客户端,以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径,并且自动进行所述音乐文件的播放。本发明通过采用生成式对抗网络模型,极大程度增加了音乐旋律生成的多样性
基于生成式对抗网络的红外盲元补偿方法.pdf
本发明公开了一种基于生成式对抗网络的红外盲元补偿方法,用于红外成像技术领域,通过对抗网络模型结合盲元补偿函数,以生成新图像的方式实现对原图像盲元像素灰度的预测。首先,基于生成式对抗网络构建盲元补偿网络模型,通过训练使得模型学习到红外盲元图像特征并对用于训练的盲元图像数据集实现较好的补偿效果;然后,对待补偿的盲元图像进行盲元检测生成二值矩阵,结合盲元补偿损失函数生成伪造图像;最后,通过泊松融合算法将盲元图像和生成的伪造图像融合,通过迭代来提高补偿精度,最终完成对红外盲元的补偿。本发明对盲元像素灰度值的预测更
基于生成式对抗网络的胎心率信号数据增强方法和装置.pdf
本发明公开基于生成式对抗网络的胎心率信号数据增强方法和装置。采用微步幅卷积和步长卷积设计生成器和鉴别器,构建基于深度卷积神经网络结构的GAN模型;采用基于带有梯度惩罚的Wasserstein距离来度量实采FHR样本和仿真数据之间的距离,优化模型目标函数;建立基于类别约束的辅助分类器,并利用其对GAN模型的模型参数进行反向更新操作;将采集到的不完整FHR信号、满足标准正态分布的噪声数据、以及真实FHR样本的类别标签作为模型的输入,输入到优化后的GAN模型中,生成仿真FHR数据,以实现胎心率信号的数据增强。
基于生成对抗网络的黑盒恶意软件检测对抗样本生成方法及装置.pdf
本发明公开了一种基于生成对抗网络的黑盒恶意软件检测对抗样本生成方法及装置,方法包括下述步骤:根据PE文件结构特性设计基于集成策略的恶意软件对抗性扰动方法,该扰动方法添加扰动的方式为:修改DOS头、节区末尾填充、文件末尾填充;构建基于生成对抗网络的黑盒恶意软件对抗样本生成模型;在模型攻击过程中,输入恶意软件到黑盒恶意软件对抗样本生成模型,利用训练过的生成器模型G在很短的时间内生成对抗性样本。本发明添加对抗性扰动到恶意软件的非功能区域,从而实现了保留恶意功能和样本的真实性,这样不仅可以省去检验恶意软件样本在沙