本發明公開了一種面向深度遷移學習的去偏方法及其裝置,包括:獲取源域數據集和目標域數據集,提取類別標簽和敏感屬性標簽;構建全連接神經網絡作為遷移模型的教師模型,采用源域數據集優化教師模型的網絡參數;固定參數優化的教師模型的前n層全連接層的網絡參數作為特征提取器,并在教師模型的最后一層添加m層全連接層,形成遷移模型的學生模型,采用目標域數據集優化學生模型的網絡參數;在參數優化的學生模型的特征提取器的輸出添加注意力機制層,用于從特征提取器中的輸出特征中提取敏感屬性并確定敏感屬性的權重;將敏感屬性對應的特征向量與其他特征向量進行正交操作,以去除深度遷移學習的敏感屬性帶來的偏見,以實現預測結果的公平。
聲明:
“面向深度遷移學習的去偏方法及其裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)