技術(shù)特征：

1.一種深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)魯棒性自適應(yīng)驗(yàn)證方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)魯棒性自適應(yīng)驗(yàn)證方法，其特征在于，所述多算法組合的魯棒性驗(yàn)證，其流程包括：

3.一種基于權(quán)利要求1所述方法的神經(jīng)網(wǎng)絡(luò)魯棒性自適應(yīng)驗(yàn)證平臺，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)魯棒性自適應(yīng)驗(yàn)證方法及平臺。該方法結(jié)合了樣本攻擊算法、近似算法和精確算法，通過構(gòu)建自適應(yīng)驗(yàn)證策略生成模型生成最優(yōu)算法組合和驗(yàn)證超時時長。解析神經(jīng)網(wǎng)絡(luò)模型的特征作為模型的輸入，保證驗(yàn)證效率和驗(yàn)證結(jié)果的平衡。本發(fā)明針對時序任務(wù)，利用重組數(shù)據(jù)集結(jié)構(gòu)和引入格拉姆角場等方法，構(gòu)建了適用于多層感知機(jī)和卷積神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)集。同時，提供了將長短期記憶神經(jīng)網(wǎng)絡(luò)模型轉(zhuǎn)換為等效LSTMCELL模型的方法，以支持LSTM的魯棒性驗(yàn)證。顯著提升了神經(jīng)網(wǎng)絡(luò)模型魯棒性驗(yàn)證效率和適用性。本發(fā)明適用于金融市場風(fēng)險預(yù)測這類時序任務(wù)及其他需確保神經(jīng)網(wǎng)絡(luò)魯棒性的安全關(guān)鍵領(lǐng)域。

技術(shù)研發(fā)人員：劉靜,龍明航,韓莉,張碩,李衛(wèi)民,趙慧,孫海英,毛宏燕
受保護(hù)的技術(shù)使用者：華東師范大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30