一种基于自监督学习的神经网络编码方法及编码器
公开
摘要
本发明涉及深度学习领域，特别涉及一种基于自监督学习的神经网络编码方法及编码器，方法包括将搜索空间中的神经网络的结构用其邻接矩阵和操作矩阵进行表示，将结构的邻接矩阵进行同构图的数据增强；从增强后的；从搜索空间中随机采样N个样本，对每个样本分别进行两次数据增强后产生2N个数据点；将增强后的数据分为正样本和负样本并用于预训练编码器；使用NT‑Xent损失函数对神经网络基编码器进行训练，并将训练好的编码器后面接上MLP获得性能预测器；利用损失函数对获得性能预测器进行微调；本发明在不使用标签的情况下使得编码器学到了更丰富的特征，从而只需使用少量的带标签数据进行微调就能取得良好的预测效果。
基本信息
专利标题 ：
一种基于自监督学习的神经网络编码方法及编码器
专利标题（英）：
暂无
公开（公告）号 ：
CN114298290A
申请号 ：
CN202111490317.4
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张旭杨莹夏英
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区南山街道崇文路2号
代理机构 ：
重庆辉腾律师事务所
代理人 ：
卢胜斌
优先权 ：
CN202111490317.4
主分类号 ：
G06N3/063
IPC分类号 ：
G06N3/063 G06N3/08 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/06
物理实现，即神经网络、神经元或神经元部分的硬件实现
G06N3/063
采用电的
法律状态
2022-04-08 ：
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
