一种基于更小损失的动态随机性增强的小样本学习方法

实质审查的生效

摘要

本发明提供一种基于更小损失的动态随机性增强的小样本学习方法，该方法包括数据增强和模型设计。所述的数据增强采用基于更小损失的随机自动数据增强策略，以增强数据在特定分布下的随机性。所述的模型架构设计采用三元网络(Triplet network)，训练方式选择预训练模型(Pre‑trained)加微调(Fine‑tune)，利用大数据模型训练的参数,学习了足够的一般性特征的泛化能力，避免模型面临小样本时较快过拟合。一路网络使用动量更新参数，另外两路根据各自的损失值大小来分别采用随机梯度下降与复制随机梯度下降后的参数，目的是使通过动量更新后的参数与另外两路网络参数保持相似但不相同，让神经网络可以充分学习数据中的特征，提高小样本学习模型的精度。

基本信息

专利标题：

一种基于更小损失的动态随机性增强的小样本学习方法

专利标题（英）：

暂无

公开（公告）号：

CN114429570A

申请号：

CN202111429857.1

公开（公告）日：

2022-05-03

申请日：

2021-11-29

授权号：

暂无

授权日：

暂无

发明人：

孙晶华刘晓瑜朱怀武侯琳琳章贤车瀚钰

申请人：

哈尔滨工程大学

申请人地址：

黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室

代理机构：

代理人：

优先权：

CN202111429857.1

主分类号：

G06V10/774

IPC分类号：

G06V10/774 G06V10/764 G06V10/82 G06V10/40 G06K9/62 G06N3/04 G06N3/08

法律状态

2022-05-20 ：

实质审查的生效

IPC(主分类) : G06V 10/774
申请日 : 20211129

2022-05-03 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载