申请/专利权人:南京航空航天大学
申请日:2019-12-20
公开(公告)日:2020-05-22
公开(公告)号:CN111191786A
主分类号:G06N3/08(20060101)
分类号:G06N3/08(20060101);G06K9/62(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的视为撤回
法律状态:2023.10.17#发明专利申请公布后的视为撤回;2020.05.22#公开
摘要:本发明公开的一种基于主动学习的迁移学习算法,属于机器学习领域。对于一般的无监督的迁移学习算法,目前有大量研究,但是我们在此基础上,研究了一个能够在较小的样本标注代价下来获得目标领域算法性能的提升。本发明的主动迁移学习算法在进行无监督领域自适应的过程后基于主动采样的方法去访问一批数据去微调更新网络参数,从而使得提取的特征既具有很好的迁移能力又具有不错的判别能力。在本发明中,主动采样的策略不仅有基于传统的信息熵方法,还提出了在迁移学习背景下的特征性之一评价指标。
主权项:1.一种基于主动学习的迁移学习算法,其特征在于,包括以下步骤:步骤1确定算法输入变量,包括待训练的源域和目标域数据集,当前迭代次数t,当前模型Mt,选出来标记的数据集Q;步骤2用无监督的领域自适应算法对源域和目标域数据集进行训练,得到一个初始化的模型MO;步骤3对于目标域数据集X中的每一个样本点x,计算其经过卷积层后提取的特征x′=convx;步骤4计算特征辨别性指标步骤5计算样本x的不确定性指标,这里用信息熵来评步骤6计算样本x的综合评价指标,Sx=λ*characteristicsx+1-λ*uncertaintyx;步骤7查看是否已经将目标域数据集X遍历完,如果没有继续步骤3,如果遍历完了X,继续步骤8;步骤8根据Sx的值,从中选取前b个最大的值,选出X中对应的b个样本,请专家进行打标签,并将这b个标记好的样本加入数据集Q中,同时从目标域数据集中删除这b个数据样本X=X\Q;步骤9用Q中的数据对当前的模型Mt进行微调,t=t+1;步骤10查询迭代次数t,如果已经未超过100,则继续步骤3,否则算法终止。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于主动学习的迁移学习算法
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。