基于任务特征的一种小样本学习方法 |
| |
作者单位: | 湖北大学计算机与信息工程学院, 湖北 武汉 430062 |
| |
基金项目: | 湖北省高等学校人文社会科学重点研究基地项目 |
| |
摘 要: | 现在机器学习对于数据量的依赖性过强,大量数据意味着高价的成本,如何在少量样本上取得可观的预测准确率非常关键,小样本学习就是基于该问题提出的.本研究基于MAML的模型框架,加入任务嵌入的思想.MAML是目前主流的元学习模型,它有泛化性能好、适应性强的特点.在此基础上,我们可以引入动态的特征嵌入进行调整来适应不同的任务,在输入任务后,通过预测网络中的特征层生成参数来调整任务特征嵌入.在常用的小样本学习公开数据集Omniglot和MiniImagenet上实验证明了提出的方法能够提高学习性能.
|
关 键 词: | 小样本学习 任务特征嵌入 图像分类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|