期刊专题

10.3969/j.issn.1000-386x.2018.10.030

基于属性平衡正则化的深度零样本学习

引用
零样本学习的关键在于将可见类训练集中学到的样本、属性之间的关联迁移到未见类上.但由于只有可见类的样本来参与训练,往往只有可见类关联较强的属性,在训练中其连接权重不断被强化,而一些未见类侧重的属性,则相当于在训练中缺少足够的正样本.这使得模型在测试阶段不能很好地表达和区分未见类的样本.为限制模型在可见类强关联的属性上的权重,提出一套基于属性平衡正则的端到端零样本学习框架.该框架实现简单、方便扩展.在三个主流的属性数据集的零样本学习和泛化零样本学习任务上,均取得了当前最好的结果.

零样本学习、深度学习、属性平衡、端到端训练

35

TP183(自动化基础理论)

2019-04-25(万方平台首次上网日期,不代表论文的发表时间)

共6页

165-170

相关文献
评论
暂无封面信息
查看本期封面目录

计算机应用与软件

1000-386X

31-1260/TP

35

2018,35(10)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn

打开万方数据APP,体验更流畅