期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于GPREGAN框架的人体康复运动对抗样本的研究
1
作者 郑康洁 靳珊 张程伟 《激光与光电子学进展》 CSCD 北大核心 2021年第24期435-442,共8页
近年来机器学习的出现给人体康复运动领域的建模带来希望,基于深度学习的分类识别已经实现了很高的识别率。深度模型特性会使得传感器在对抗噪声的攻击下,识别率受到影响。因此基于生成式对抗网络(Wasserstein Generative Adversarial N... 近年来机器学习的出现给人体康复运动领域的建模带来希望,基于深度学习的分类识别已经实现了很高的识别率。深度模型特性会使得传感器在对抗噪声的攻击下,识别率受到影响。因此基于生成式对抗网络(Wasserstein Generative Adversarial Networks, WGAN),提出了生成人体康复运动GAN(Generative Physical Rehabilitation Exercise GAN,GPREGAN)框架,它可以将攻击性数据伪装成正常的数据。这些对抗数据与原始数据高度相似,检测算法无法区分。实验中将生成的对抗数据输入到基于卷积神经网络(Convolutional Neural Networks, CNN)和长短期记忆(Long Short-Term Memory, LSTM)网络的深度模型中,检测率从99%降至0,成功攻击了网络。为了评估生成的对抗样本的有效性,使用样本均方差进行评估。实验证明,GPRGAN框架具有生成类似于人体康复运动领域时序数据的能力,可以增加该领域中样本的多样性。 展开更多
关键词 传感器 人体康复运动 深度模型 对抗样本 均方差
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部