龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军空军工程大学
摘要：本发明涉及基于特征转换层图神经网络的小样本信号识别模型及设备。包括：接收混合图像作为模型输入，构建训练集、测试集；将训练集划分为伪可见域和伪不可见域；在训练集各域中采样小样本分类任务，模拟测试集任务；将特征转换层生成的超参数插入特征提取器中；通过特征提取器对输入图像进行映射，利用特征转换层生成的超参数改变特征分布，生成特征向量；通过图卷积神经网络对特征向量进行分类预测，并与标签进行比对计算分类损失；利用伪可见域和伪不可见域生成的损失分别优化不同网络参数；利用训练好的小样本信号识别模型对测试集混合图像进行分类。本发明通过特征转换层和特定优化策略，提升了小样本信号识别模型在遇见未见类时的分类性能。
主权项：1.一种基于特征转换层图神经网络的小样本信号识别模型，其特征在于，包括：接收混合图像作为模型输入，构建训练集、测试集；其中，将所述训练集划分为伪可见域和伪不可见域，在所述训练集各域中采样小样本分类任务，模拟测试集任务；将特征转换层生成的超参数插入特征提取器中；通过所述特征提取器对所述输入图像进行映射，并利用所述特征转换层生成的超参数改变特征分布，生成特征向量；通过图卷积神经网络对所述特征向量进行分类预测，并与标签进行比对计算分类损失；利用伪可见域和伪不可见域生成的损失分别优化不同网络参数，完成网络训练；其中，将从所述伪可见域对应生成的分类损失作为训练指导用于更新所述特征提取器和所述图卷积神经网络；将从所述伪不可见域对应生成的分类损失作为训练指导用于更新所述特征转换层；利用训练好的所述小样本信号识别模型对测试集混合图像进行分类。
全文数据：
权利要求：
百度查询： 中国人民解放军空军工程大学 基于特征转换层图神经网络的小样本信号识别模型及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号