[发明专利]一种基于元学习的主动采样方法在审
| 申请号： | 201910725779.6 | 申请日： | 2019-08-07 |
| 公开（公告）号： | CN110569982A | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 不公告发明人 | 申请（专利权）人： | 南京智谷人工智能研究院有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06K9/62 |
| 代理公司： | 32282 南京汇恒知识产权代理事务所(普通合伙) | 代理人： | 夏恒霞 |
| 地址： | 210000 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于元学习的主动采样方法，该方法借鉴元学习的思想，通过之前得到的主动学任务的经验(MetaData)用一个回归模型M去学习一个查询策略的指标。回归模型M的输入是根据我们设计的一些关于某个未标记样本x和当前分类模型C的底层特征，这些设计的Meta特征与数据集的特征空间和分类模型的形式无关，输出值是衡量x对于提升分类模型C的作用大小；并且，这些Meta特征独立于数据集的特征空间和分类模型的形式，因此具有更好的泛化能力。 | ||
| 搜索关键词： | 分类模型 回归模型 特征空间 数据集 标记样本 底层特征 特征独立 主动采样 学习 查询 输出 衡量 | ||
【主权项】：
1.一种基于元学习的主动采样方法，包括以下步骤：/n(一)通过在大量已有标记的数据集上模拟进行主动学习的过程，根据Meta特征设计规则，获取足够量的MetaData数据；/n(二)根据步骤(一)中获取的MetaData数据训练Meta回归模型M；/n(三)在当前主动学习任务上，根据Meta特征设计规则，计算每个未标记样本的Meta特征；/n(四)将(三)中Meta数据输入至步骤(二)中Meta回归模型M，选择输出值最大的未标记样本，向用户查询真实标记；/n(五)根据得到的真实标记更新分类模型C；/n(六)返回步骤(三)或结束并输出分类模型C。/n
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南京智谷人工智能研究院有限公司，未经南京智谷人工智能研究院有限公司许可，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/201910725779.6/，转载请声明来源钻瓜专利网。
- 上一篇：散煤燃用量确定方法及装置
- 下一篇：一种软间隔自动化滑窗方法
