摘要
本申请公开了一种基于深度学习的可信表格数据生成方法及系统,属于计算机技术领域,方法包括:获取真实表格数据;对所述真实表格数据进行基于模式的标准化处理,得到真实数据的输入向量;基于所述真实数据的输入向量,对初始表格数据生成模型进行训练,得到目标表格数据生成模型;其中,所述目标表格数据生成模型包括基于深度学习的目标生成器和目标判别器;通过所述目标表格数据生成模型,生成虚假表格数据;根据预设的目标精度,对所述虚假表格数据进行精细检查或者粗略检查,得到可信表格数据。本申请实施例能够实现最大程度拟合真实数据的分布,提高生成表格数据的多样性和可信性,有利于解决下游任务数据稀缺的问题。
技术关键词
数据生成模型
数据生成方法
离群点
粗略
生成表格数据
数据生成系统
随机噪声
模式
因子
密度
处理器
计算机存储介质
注意力
精度
邻居
模块
程序
存储器
系统为您推荐了相关专利信息
移动最小二乘法
特种设备
切割方法
煤矿井下
三维模型
风电场杂波识别
风力发电场
杂波识别方法
随机森林
决策树分类器
初始聚类中心
数据
离群点
特征提取模块
编码器架构
约束Delaunay三角剖分
多波束测深系统
三角形
三维点云数据
基础
图像特征匹配方法
特征匹配网络
重叠区域图像
解码器
区域提取方法