[发明专利]学习方法、计算机可读记录介质和学习装置

权利要求书

1.一种由计算机实现的学习方法，包括：

对学习模型的至少一个参数进行第一学习，使得每个中间特征量变得与参考特征量相似，所述每个中间特征量是作为将多个扩充训练数据集输入至所述学习模型的第一神经网络的结果而计算的，所述多个扩充训练数据是通过基于相同的第一原始训练数据执行数据扩充而生成的；以及

使用不同于所述第一原始训练数据的第二原始训练数据并且使用所述参考特征量对所述学习模型中的第二网络的至少一个参数进行第二学习。

2.根据权利要求1所述的学习方法，其中，所述第二学习包括：使用多个中间特征量并且使用所述参考特征量来更新所述第二网络的参数，所述多个中间特征量是作为将通过对所述第二原始训练数据进行扩充而生成的多个扩充训练数据集输入至所述第一网络的结果而计算的。

3.根据权利要求1所述的学习方法，其中，对所述学习模型的参数进行学习包括：学习所述学习模型的参数并且学习参考特征量，使得每个中间特征量的平均值和离差变得与所述参考特征量相似，其中，所述每个中间特征量的平均值和离差是根据作为从相同的第一原始训练数据的数据扩充的结果而获取的多个扩充训练数据集来计算的。

4.根据权利要求1至3中任一项所述的学习方法，还包括：以对应的方式将所述参考特征量和与所述第一原始训练数据对应的正确标签存储在存储装置中，其中，

所述第二学习包括：学习所述第二网络的参数，使得作为将所述参考特征量输入至所述第二网络的结果而计算的输出标签逼近所述正确标签。

5.一种存储有处理计算机程序的计算机可读记录介质，所述处理计算机程序使计算机执行包括下述步骤的处理：

对学习模型的至少一个参数进行第一学习，使得每个中间特征量变得与参考特征量相似，所述每个中间特征量是作为将多个扩充训练数据集输入至所述学习模型的第一神经网络的结果而计算的，所述多个扩充训练数据是通过基于相同的第一原始训练数据执行数据扩充而生成的；以及

使用不同于所述第一原始训练数据的第二原始训练数据并且使用所述参考特征量对所述学习模型中的第二网络的至少一个参数进行第二学习。

6.根据权利要求5所述的计算机可读记录介质，其中，所述第二学习包括：使用多个中间特征量并且使用所述参考特征量来更新所述第二网络的参数，所述多个中间特征量是作为将通过对所述第二原始训练数据进行扩充而生成的多个扩充训练数据集输入至所述第一网络的结果而计算的。

7.根据权利要求5所述的计算机可读记录介质，其中，所述第一学习包括：学习所述学习模型的参数并且学习参考特征量，使得每个中间特征量的平均值和离差变得与所述参考特征量相似，其中，所述每个中间特征量的平均值和离差是根据作为从相同的第一原始训练数据的数据扩充的结果而获取的多个扩充训练数据集来计算的。

8.根据权利要求5至7中任一项所述的计算机可读记录介质，还包括：以对应的方式将所述参考特征量和与所述第一原始训练数据对应的正确标签存储在存储装置中，其中，

所述第二学习包括：学习所述第二网络的参数，使得作为将所述参考特征量输入至所述第二网络的结果而计算的输出标签逼近所述正确标签。

9.一种运行在学习模型中包括的第一网络和第二网络的学习装置，所述学习装置包括：

第一学习单元(150c)，其学习学习模型的至少一个参数，使得每个中间特征量变得与参考特征量相似，所述每个中间特征量是作为将多个扩充训练数据集输入至所述学习模型中的第一神经网络的结果而计算的，所述多个扩充训练数据是通过基于相同的第一原始训练数据执行数据扩充而生成的；以及

第二学习单元(150d)，其使用不同于所述第一原始训练数据的第二原始训练数据并且使用所述参考特征量来学习所述学习模型中的第二网络的至少一个参数。