本發(fā)明公開了一種面向深度遷移學(xué)習(xí)的去偏方法及其裝置,包括:獲取源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集,提取類別標(biāo)簽和敏感屬性標(biāo)簽;構(gòu)建全連接神經(jīng)網(wǎng)絡(luò)作為遷移模型的教師模型,采用源域數(shù)據(jù)集優(yōu)化教師模型的網(wǎng)絡(luò)參數(shù);固定參數(shù)優(yōu)化的教師模型的前n層全連接層的網(wǎng)絡(luò)參數(shù)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(xué)生模型,采用目標(biāo)域數(shù)據(jù)集優(yōu)化學(xué)生模型的網(wǎng)絡(luò)參數(shù);在參數(shù)優(yōu)化的學(xué)生模型的特征提取器的輸出添加注意力機(jī)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(quán)重;將敏感屬性對(duì)應(yīng)的特征向量與其他特征向量進(jìn)行正交操作,以去除深度遷移學(xué)習(xí)的敏感屬性帶來的偏見,以實(shí)現(xiàn)預(yù)測(cè)結(jié)果的公平。
聲明:
“面向深度遷移學(xué)習(xí)的去偏方法及其裝置” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)