[发明专利]用于训练扩增鉴别器的设备和方法

权利要求书

1.一种用于训练扩增鉴别器（AD）和生成器（G）的计算机实现的方法，包括以下步骤

-提供包括现实训练样本（）和人工训练样本（）的训练集，用于扩增鉴别器（AD）的训练，其中人工训练样本（）由生成器（G）生成；

-向训练集的至少一个数据样本（x）分派数据序列（s）；

-其中数据样本（x）和分派的数据序列（s）的每一对（x，s）被分派给多个类中的一个类，使得一并考虑的多个类中的所分派的一个类和分派的数据序列（s）表征数据样本（x）是现实训练样本（）还是人工训练样本（）；和

-训练扩增鉴别器（AD）以能够从数据样本（x）和分派的数据序列（s）的对（x，s）计算对应的对（s）被分派的相应一个类（）

-训练生成器（G）以能够生成人工训练样本（），使得扩增鉴别器（AD）不能正确计算前述一个类（）。

2.根据权利要求1所述的方法，其中所述数据序列（s）是随机选取的。

3.根据权利要求1或2所述的方法，其中所述数据序列（s）具有预定义长度，并且所述预定义长度在训练期间取决于扩增鉴别器（AD）在训练期间的性能进展而增加。

4.根据前述权利要求中任一项所述的方法，其中多个数据序列（s）被分派给训练集的每个数据样本（x），以生成数据样本（x）和分派的数据序列（s）的对应的多个对（x，s）。

5.根据前述权利要求中任一项所述的方法，其中每个数据序列（s）被分派给两个类中的任一个类，并且取决于数据样本（x）是现实训练样本（）还是人工训练样本（）并且取决于数据序列（s）被分派的类（）来确定对（x，s）被分派的类（）。

6.根据权利要求5所述的方法，其中对于数据序列（s）已经被分派的给定类，对（x，s）被分派的类（）取决于数据样本（x）是现实训练样本（）还是人工训练样本（）而不同。

7.根据权利要求5或6所述的方法，其中数据序列（s）被分派的类取决于数据序列（s）的每个比特。

8.根据权利要求5至7中任一项所述的方法，其中分派给每个类的数据序列（s）的数量对于所有类都是相同的。

9.根据权利要求5至8中任一项所述的方法，其中数据序列（s）取决于数据序列（s）的校验和而被分派一个类。

10.一种计算机实现的方法，其中通过根据以上权利要求中任一项的方法训练的扩增鉴别器（AD）用于分类被提供给机器学习系统（60）的输入信号（x）是更类似于现实训练样本（）还是更类似于人工训练样本（），并且其中由致动器控制系统（40）生成的致动器控制信号（A）取决于机器学习系统（60）的输出信号（y）而生成，

并且其中输出信号（y）是取决于输入信号（x）被分类成的类而生成的，

其中输入信号（x）和生成的数据序列（s）的对（x，s）被提供给扩增鉴别器（AD），使得扩增鉴别器（AD）输出结果（r），并且其中提供已知是更类似于现实训练样本（）还是更类似于人工训练样本（）的参考信号（），并且参考信号（）和生成的数据序列（s）的参考对（，s）提供给扩增鉴别器（AD），使得扩增鉴别器（AD）输出参考结果（），并且其中取决于结果（r）和参考结果（），尤其是取决于在结果（r）和参考结果（）之间的比较结果，确定输入信号（x）是更类似于现实训练样本（）还是更类似于人工训练样本（）。

11.一种计算机实现的方法，用于训练鉴别器（D）以能够区分提供给鉴别器（D）的数据样本（x）属于两个可预定义的类中的哪一个，

包括以下步骤

-利用根据以上权利要求中任一项的方法训练生成器（G）；

-提供第二训练集，第二训练集包括由经训练的生成器（G）生成的现实训练样本（）和人工训练样本（）；以及

-使用第二训练集训练鉴别器（D）以能够区分数据样本（x）是现实训练样本（）还是人工训练样本（）。