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：东北电力大学
摘要：本发明公开了一种融合突触重塑及情景记忆网络的小样本类别增量学习方法。本发明通过情景记忆网络解码器生成的新类别虚拟数据补充到小样本数据集中，以缓解小样本数据集的数据缺失问题。本发明采用突触重塑方法来生成虚拟数据，以缓解小样本数据集的数据缺失问题，并设计了基于情景记忆网络的抗遗忘学习模型，以解决类别灾难性遗忘问题。突触重塑方法首先对现有的少量数据进行深度分析，提取出具有高代表性的情景特征，然后通过这些特征生成新的虚拟数据。这些虚拟数据保留了原始数据的关键信息，同时引入了适当的变化和多样性，从而丰富了训练集。通过这种方式，模型可以在更大、更丰富的数据集上进行训练，显著提高其泛化能力和预测准确性。
主权项：1.一种融合突触重塑及情景记忆网络的小样本类别增量学习方法，其特征在于，包括以下步骤：S1：获取基础类别图像特征，构建视觉语义模型Pix2pix并使用视觉语义模型Pix2pix将输入图像分成视觉特征向量和语义特征向量S2：视觉特征和语义特征分别经过注意力机制提取基础类别特征，并依据突触长时程重塑性构建重要性参数矩阵，形成突触重塑权值矩阵w1；S3：情景特征编码器对情景特征进行编码，并进一步对情景特征进行突触重塑，形成情景权值矩阵w2；S4：使用对比损失函数约束视觉特征和语义特征的一致性，形成统一的表达空间；S5：对于新的类别输入图像，重复上述特征提取过程，得到新的视觉特征和语义特征，新类别的视觉特征和语义特征作为情景特征，利用情景记忆网络的解码器生成新类别的虚拟数据，最终将通过情景记忆网络解码器生成的新类别虚拟数据补充到小样本数据集中。
全文数据：
权利要求：
百度查询： 东北电力大学 融合突触重塑及情景记忆网络的小样本类别增量学习方法
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