典型文献
"类人"社交机器人检测数据集扩充方法研究
文献摘要：
该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现"类人"社交机器人检测数据集的扩充.HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的"真实性"及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量.实验结果表明,利用HVE-GAN模型生成的"类人"社交机器人数据的"真实性"与多样性程度均明显优于基线模型.
文献关键词：
检测数据集;进化生成式对抗网络;损失函数;社交机器人;变分自编码器
中图分类号：
作者姓名：
刘欣然;徐雅斌
作者机构：
北京信息科技大学网络文化与数字传播北京市重点实验室 北京 朝阳区 100101;北京信息科技大学计算机学院 北京 朝阳区 100101
文献出处：
引用格式：
[1]刘欣然;徐雅斌-."类人"社交机器人检测数据集扩充方法研究)[J].电子科技大学学报,2022(01):130-137
A类：
进化生成式对抗网络
B类：
社交机器人,检测数据集,数据集扩充,海林格距离,HVE,GAN,生成器,变分自编码器,VAE,Heuristic,损失函数,更改,训练过程,收敛速度,数据质量,模型生成,基线模型
AB值：
0.195563
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
