本发明公开了一种面向深度迁移学习的去偏方法及其装置,包括:获取源域数据集和目标域数据集,提取类别标签和敏感属性标签;构建全连接神经网络作为迁移模型的教师模型,采用源域数据集优化教师模型的网络参数;固定参数优化的教师模型的前n层全连接层的网络参数作为特征提取器,并在教师模型的最后一层添加m层全连接层,形成迁移模型的学生模型,采用目标域数据集优化学生模型的网络参数;在参数优化的学生模型的特征提取器的输出添加注意力机制层,用于从特征提取器中的输出特征中提取敏感属性并确定敏感属性的权重;将敏感属性对应的特征向量与其他特征向量进行正交操作,以去除深度迁移学习的敏感属性带来的偏见,以实现预测结果的公平。
声明:
“面向深度迁移学习的去偏方法及其装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)