公开(公告)号：CN117494796A

公开(公告)日：2024-02-02

申请号：CN202311441273.5

申请日：2023-11-01

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  万泉 ,  张一驰 ,  冷志雄 ,  颜丙辰 ,  徐艳琳 ,  蒋俊

IPC: G06N3/0985 ,  G06N3/04

Abstract: 本发明公开了一种任务自适应选的元学习方法，适用于深度学习领域。本发明基于多臂赌博机构建任务选择训练器对任务进行难度判断和未来收益计算。根据难度和收益为每个任务设计更优秀的训练策略，改变多任务妥协现状，平衡任务对元学习参数的影响。通过这样做，可以快速提高元学习参数在未知任务的泛化性和收敛性。实验结果表明，该方法在训练时间复杂度不变基础上实现了模型性能提升。收敛速度更快，稳定性更高，可以与其他模型进行任意结合，表现出了强大的简单性和通用性。

公开(公告)号：CN117392456A

公开(公告)日：2024-01-12

申请号：CN202311437679.6

申请日：2023-11-01

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  冷志雄 ,  万泉 ,  徐艳琳 ,  颜丙辰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于特征分布对齐元学习的图像分类方法。发明主要包括：获得公开的小样本图像分类数据集，划分为训练集、验证集和测试集；构建基于特征分布对齐元学习的小样本图像分类网络；在训练集上进行元学习的训练，对训练过程中的任务进行特征分布对齐；在验证集上验证当前模型的性能；选择在验证集上表现最好的模型进行微调，然后测试小样本图像分类性能。相较于现有技术，本发明可以解决任务特征分布之间的差异对模型性能带来的影响。