[发明专利]面向小样本学习的变分自编码器网络模型和装置有效
| 申请号： | 201910621045.3 | 申请日： | 2019-07-10 |
| 公开（公告）号： | CN110427978B | 公开（公告）日： | 2022-01-11 |
| 发明（设计）人： | 崔鹏;周琳钧;杨士强 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种面向小样本学习的变分自编码器网络模型和装置，包括：获取样本的高层表征，根据高层表征通过第一神经网络采样得到隐表示，并通过第二个神经网络复原，以重构高层表征；根据分布参数生成每个类别分布；以及通过定义损失函数为重构误差、分类误差和隐表示分布与先验分布误差之和，以优化整个网络参数及每个类别分布的参数，生成变分自编码器网络模型。本发明通过面向小样本学习的变分自编码器网络模型，使得学习出来的高层表征有一个分布族能够精确的描述，而且高层表征的分布与其度量函数可以完全匹配，从而提升了小样本分类的准确率。 | ||
| 搜索关键词： | 面向 样本 学习 编码器 网络 模型 装置 | ||
【主权项】：
1.一种面向小样本学习的变分自编码器网络模型，其特征在于，包括以下步骤：获取样本的高层表征，根据所述高层表征通过第一神经网络采样得到隐表示，并通过第二个神经网络复原，以重构所述高层表征；根据分布参数生成每个类别分布；以及通过定义损失函数为重构误差、分类误差和隐表示分布与先验分布误差之和，以优化整个网络参数及所述每个类别分布的参数，生成变分自编码器网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910621045.3/，转载请声明来源钻瓜专利网。
