检索结果-南通市图书馆

同方期刊数据库

基于元度量学习的小样本空战目标意图识别方法

在线全文

学校读者我要写书评

暂无评论

航天控制 2024年第4期42卷 64-70页

作者：张灏龙权晓伟刘瑞峰黎开颜中国航天系统科学与工程研究院北京100048

针对战场复杂环境下通过较少空战对抗数据识别作战意图的问题,提出基于元度量学习框架的作战意图识别方法。该方法通过构建基于双向门控循环单元网络,实现对空战时序数据的有效特征提取,进而提出注意力机制,促使网络实现对小样本空战数... 详细信息

针对战场复杂环境下通过较少空战对抗数据识别作战意图的问题,提出基于元度量学习框架的作战意图识别方法。该方法通过构建基于双向门控循环单元网络,实现对空战时序数据的有效特征提取,进而提出注意力机制,促使网络实现对小样本空战数据时序核心特征的充分提取,从而获取类间差异,达到较高的空战意图识别的准确率和速度。仿真实验表明,所提方法对于空战目标意图识别具有较好的准确率和实时性,在小样本数据的情况下能够实现较好的识别性能。

关键词：空战目标意图识别注意力机制双向门控循环单元网络元度量学习

在线全文

学校读者我要写书评

暂无评论

基于元度量学习的小样本图像分类算法研究

基于元度量学习的小样本图像分类算法研究

作者：王天雷燕山大学

学位级别：硕士

随着大数据和深度学习技术的不断发展,深度神经网络在计算机视觉领域得到了广泛的应用。然而在现实生活中,大多数场景的已标注样本较少,利用传统的深度学习模型往往不能取得理想的效果,此时小样本学习应运而生。小样本图像分类是小样本... 详细信息

随着大数据和深度学习技术的不断发展,深度神经网络在计算机视觉领域得到了广泛的应用。然而在现实生活中,大多数场景的已标注样本较少,利用传统的深度学习模型往往不能取得理想的效果,此时小样本学习应运而生。小样本图像分类是小样本学习在图像分类中的应用,本文以元学习为基本策略,结合度量学习和深度学习的方法,对小样本图像分类算法展开研究,其主要研究内容如下:(1)针对经典的小样本学习模型原型网络(Prototypical Net,PN)的不足,提出了适用于小样本图像分类问题的注意力类协方差原型网络(Attention-based Class Covarance Prototypical Network,ACCPN)。在ACCPN中,为了增强模型的泛化能力,提出了IBN-Resnet-12;为了加强局部特征提取能力,引入了空间注意力模块(Spatial Attention Model,SAM);为增加类间距,减少类内距离,提出了基于类的协方差距离,而非常规模型中简单的欧式距离和余弦距离,并将其作为小样本学习分类器中的距离度量方式。实验证明,该模型能够在不增加额外参数的前提下,提升小样本图像分类的准确率。(2)尽管ACCPN在小样本图像分类中取得了较好的结果,然而该模型仍然存在一定的不足。其一,在计算类原型时,由于样本数量较少,其得到的结果不能准确的描述该类的主要特征;其二,提取特征时,该特征提取器不能较好的融合高层和底层的特征信息。针对这些不足,本文进一步提出了多尺度集成加权类原型网络(Multiscale-ensemble Weighted Class Prototype Network,MWCPN)。在MWCPN中,为保证类原型计算的准确性,提出了加权类原型,通过对样本特征赋予权重,以便获得更准确的类原型。同时为增加模型的可适应性和泛化能力,利用多尺度特征融合的方法提取更优异的特征,并在分类器设计上采用了多投票学习机制,通过多投票的方式得到最终的预测结果。实验结果证明,该模型能够在一定程度上提升小样本图像分类的准确率。

关键词：深度学习小样本图像分类元度量学习原型网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于元度量学习的低资源语音识别

云南民族大学学报（自然科学版） 2021年第3期30卷 272-278页

作者：侯俊龙潘文林云南民族大学数学与计算机科学学院云南昆明650500

随着大数据及设备超强运算能力的出现,语音识别系统的性能得到了大幅提升.但在低资源语音识别研究中,由于缺乏足够的训练数据,模型很容易出现过拟合、识别精度低等问题.为此,提出了采用元度量学习方法来解决低资源环境下的语音难识别问... 详细信息

随着大数据及设备超强运算能力的出现,语音识别系统的性能得到了大幅提升.但在低资源语音识别研究中,由于缺乏足够的训练数据,模型很容易出现过拟合、识别精度低等问题.为此,提出了采用元度量学习方法来解决低资源环境下的语音难识别问题,该方法是先将大量类似且不相交的任务用于模型训练,让模型从中学会如何比较样本相似性;最后再在新任务中通过计算样本的相似度来识别未知样本.实验表明:元度量学习方法能够有效避免模型过拟合、提升模型泛化能力,实验在低资源语言(佤语和普米语)孤立词语音识别中均取得了显著的识别效果.

关键词：低资源语言元度量学习语音识别孤立词

在线全文

学校读者我要写书评

暂无评论

基于自适应边际损失的小样本故障诊断方法

兵器装备工程学报 2024年第9期45卷 253-260页

作者：熊鹏伟李志农刘晨宇冯博谷丰收南昌航空大学无损检测技术教育部重点实验室南昌330063 哈德斯菲尔德大学效率与性能工程中心英国哈德斯菲尔德HD13DH

针对基于度量学习的小样本故障诊断方法,在模型优化过程中对边际影响的忽略导致模型对训练数据过于敏感,进而产生过拟合。为此,构造了一种自适应边际损失函数,帮助模型学习样本之间的相对距离,以获得足够的距离信息,提高对新样本的泛化... 详细信息

针对基于度量学习的小样本故障诊断方法,在模型优化过程中对边际影响的忽略导致模型对训练数据过于敏感,进而产生过拟合。为此,构造了一种自适应边际损失函数,帮助模型学习样本之间的相对距离,以获得足够的距离信息,提高对新样本的泛化能力。另外,根据训练数据的分布和模型的性能,自动调整边际的大小,使其自适应地区分不同的故障类别。为更好地解决小样本问题,提出了元度量学习框架,采用元学习片段式训练模式。在度量模块中,引入余弦相似性以提高方法的表达能力,并指导模型的优化和训练,使其更好地适应小样本数据。为验证所提方法的有效性,使用带故障的无人机飞行日志数据构建了数据集,并将所提方法与传统的度量学习的方法进行了对比。实验结果表明,所提方法在无人机小样本故障诊断中表现出良好的诊断性能和稳定性,为小样本故障诊断提供了一种有效方案。

关键词：故障诊断小样本元度量学习自适应边际损失无人机

元学习框架下基于圆损失度量的行人重识别模型

在线全文

学校读者我要写书评

暂无评论

信息工程大学学报 2022年第1期23卷 93-102页

作者：常禾雨司念文屈丹张红旗信息工程大学河南郑州450001

提出一种元学习框架下基于圆损失度量的行人重识别模型,以元学习的方式对行人重识别问题进行建模,同时使用改进的圆损失进行度量学习,改善样本之间距离的自适应优化效果。首先,构建基于元度量学习的模型学习过程,按照逐个子任务的学习方... 详细信息

提出一种元学习框架下基于圆损失度量的行人重识别模型,以元学习的方式对行人重识别问题进行建模,同时使用改进的圆损失进行度量学习,改善样本之间距离的自适应优化效果。首先,构建基于元度量学习的模型学习过程,按照逐个子任务的学习方式,在子任务中划分查询样本和支持集样本,将样本映射到向量空间。其次,在向量空间中计算查询样本与支持集样本之间的损失,使用改进的圆损失函数,为样本之间的相似性分数设置自适应的更新力度。最后,通过每个子任务来训练模型参数。实验结果表明,与基线方法相比,该方法在Market-1501数据集上的Rank-1值和mAP值分别提升0.4个百分点和1.4个百分点,在DukeMTMC-reID数据集上分别提升0.9个百分点和0.6个百分点,实现较好的识别效果。

关键词：行人重识别卷积神经网络元度量学习圆损失

在线全文

学校读者我要写书评

暂无评论

基于空间注意力和类协方差度量的小样本学习

高技术通讯 2022年第8期32卷 801-810页

作者：李国强王天雷龚宁王俊妍燕山大学电气工程学院秦皇岛071000

近年来,小样本学习逐渐被学术界广泛研究,其旨在使模型在给定样本较少的情况下完成一系列任务。目前基于度量学习的元学习算法被广泛应用于小样本学习中,本文利用度量学习的思想,对基准元度量学习算法原型网络进行改进,提出了注意力类... 详细信息

近年来,小样本学习逐渐被学术界广泛研究,其旨在使模型在给定样本较少的情况下完成一系列任务。目前基于度量学习的元学习算法被广泛应用于小样本学习中,本文利用度量学习的思想,对基准元度量学习算法原型网络进行改进,提出了注意力类协方差原型网络。首先,为增加模型的泛化能力,提出IBN-Resnet12作为特征提取器;接着,在特征提取模块后加入了空间注意力模块,有效地增强了局部特征;最后提出类协方差度量作为最终的度量分类器,完成了对图像特征维度间相关性的建模。本文在小样本学习经典数据集上进行实验,证明了模型的有效性;同时还进行了大量消融实验,证明了模型改进中各个部分的有效性。

关键词：小样本学习元度量学习泛化能力空间注意力类协方差度量