CN114626526B 样本生成方法、系统、计算机设备及存储介质 （中国电力科学研究院有限公司）

质式训练完成的生成对抗网络模型的生成模型中2通过协调者单元为每个生成模型随机分配一个一一对应的判别模型，得到若干生成-迭代再训练步骤，至生成对抗网络模型的损失函数稳定收敛，得到若干获取各终训练生成模型的生成能力，选取生成能力前第一预设数量的终训练生成模2.根据权利要求1所述的样本生成方法，其特征在于，所述根据真实样本初训练各生根据真实样本迭代训练各生成-判别模型组，直至各生成-判别模将第三预设数量的真实样本和各终训练生成模型生成的第二预将各终训练生成模型生成的第二预设数量的生成样本，输入判采用如下方式更新各终训练生成模型和各终训练获取各终训练生成模型的生成能力以及各终训练判别模使用生成能力排名前第五预设数量的终训练生成模型的模型数据替换生成能力排名使用判别能力排名前第六预设数量的终训练判别模型的模型数据替换判别能力排名35.根据权利要求1所述的样本生成方法，其特征在于，所述根据真实样本初训练各生其中，当生成模型与对应的判别模型不在分布式系统的同一节所述模型调用模块调用的预设的样本生成模型通过样本模型构建模块构建得初始模型构建模块，用于构建包括协调者单元初训练模块，用于通过协调者单元为每个生成模型随机分配一个一一对应的判别模模型生成模块，用于获取各终训练生成模型的生成能力，选取生7.一种计算机设备，包括存储器、处理器8.一种计算机可读存储介质，所述计算机可读存储介质于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述样本生成方法的步45[0019]将第三预设数量的真实样本和各终训练生成模型生成的第二预设数量的生成样[0024]使用生成能力排名前第五预设数量的终训练生成模型的模型数据替换生成能力[0025]使用判别能力排名前第六预设数量的终训练判别模型的模型数据替换判别能力6员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范78的损失函数与电网生成样本经过判别模型后判别为非电网真实样本的概率正相关。例如，值全为1的向量的交叉熵加上对电网生成样本的预测值与值全为0的向量若干生成-判别模型组，获取电网真实样本并根据电网真实样本初训练各生成-判别模型[0070]其中，本实施例中，第一预设数量为终训练生成模型总数量的40但不以此为9能力排名前第五预设数量的终训练生成模型的模型数据替换生成能力排名前第五预设数元为每个终训练生成模型随机分配一个一一对应的终训练判别模型，得到若干终训练生后的生成模型和判别模型的模型数据，即替换掉能力最弱的那部分生成模型和判别模型，成模型中选出精度最高的M个终训练生成模型作为样本生成模型，并使用样本生成模型生真实样本，采用智能自学习方式训练完成的生成对抗网络模型的生成模型中的至少一个，有效解决现有生成对抗网络模型采用固定的训练方式的不足，通过智能自学习的训练方出模块用于通过样本生成模型生成并输出电协调者单元为每个生成模型随机分配一个一一对应的判别模型，得到若干生成-判别模型[0086]在一种可能的实施方式中，所述根据电网真实样本初训练各生成-判别模型组包各终训练判别模型将电网生成样本输出为假样本以及将电网真实样本输出为真实样本的训练生成模型的模型数据替换生成能力排名前第五预设数量的终训练生成模型的模型数[0090]前述的样本生成方法的实施例涉及的各步骤的所有相关内容均可以援引到本发执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0095]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其