检索结果-维普期刊中文期刊服务平台

视觉语言模型引导的文本知识嵌入的小样本增量学习被引量：2: 1; 作者姚涵涛余璐徐常胜《软件学报》 EI CSCD 北大核心 2024年第5期2101-2119,共19页; 真实场景往往面临数据稀缺和数据动态变化的问题,小样本增量学习的目的是利用少量数据推理数据知识并减缓模型对于旧知识的灾难性遗忘.已有的小样本增量学习的算法(CEC和FACT等)主要是利用视觉特征来调整特征编码器或者分类器,实现模型... 展开更多; 关键词小样本增量学习视觉语言模型文本知识嵌入类别空间引导的抗遗忘学习; 在线阅读下载PDF 职称材料

基于因果关系的小样本类增量学习: 2; 作者刘冰瑶刘进锋《计算机应用》 CSCD 北大核心 2024年第S01期54-59,共6页; 相较于一次性获得所有训练数据的批量学习,小样本类增量学习具有更高的现实意义,它既能使机器学习更接近人类智能水平,又可以减少深度学习模型对大量训练数据的依赖。为缓解小样本类增量学习对旧类的遗忘,同时使分类过程不受任何因素的... 展开更多; 关键词小样本类增量学习可解释性因果推断增量学习神经网络; 在线阅读下载PDF 职称材料

面向草图检索的小样本增量有偏学习算法被引量：2: 3; 作者梁爽孙正兴《软件学报》 EI CSCD 北大核心 2009年第5期1301-1312,共12页; 为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通... 展开更多; 关键词草图检索相关反馈小样本增量有偏学习主动式学习有偏分类增量学习; 在线阅读下载PDF 职称材料

自监督解耦动态分类器的小样本类增量SAR图像目标识别被引量：1: 4; 作者赵琰赵凌君 +2 位作者张思乾计科峰匡纲要《电子与信息学报》 EI CAS CSCD 北大核心 2024年第10期3936-3948,共13页; 为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力,该文研究了SAR ATR的小样本类增量学习(FSCIL)问题,并提出了自监督解耦动态分类器(SDDC)。针对FSCIL中“灾难... 展开更多; 关键词 SAR目标识别小样本类增量学习自监督学习深度学习; 在线阅读下载PDF 职称材料

基于特征分布学习的小样本类增量学习被引量：1: 5; 作者姚光乐祝钧桃 +3 位作者周文龙张贵宇张伟张谦《计算机工程与应用》 CSCD 北大核心 2023年第14期151-157,共7页; 关注了一个非常具有挑战性的问题:深度神经网络的小样本类增量学习。其中深度神经网络模型可以从少量的样本中逐步学习新知识,同时不会忘记已学习的旧知识。为了平衡模型对旧知识的记忆和对新知识的学习,提出了一个基于特征分布学习的... 展开更多; 关键词小样本类增量学习深度神经网络增量学习; 在线阅读下载PDF 职称材料

题名视觉语言模型引导的文本知识嵌入的小样本增量学习被引量：2: 1; 作者姚涵涛余璐徐常胜; 机构多模态人工智能系统全国重点实验室(中国科学院自动化研究所) 中国科学院大学人工智能学院天津理工大学计算机科学与工程学院; 出处《软件学报》 EI CSCD 北大核心 2024年第5期2101-2119,共19页; 基金科技创新2030—“新一代人工智能”重大项目(2021ZD0112202) 北京市自然科学基金(L201001,4222039) 国家自然科学基金(U21B2044,62202331,62376268)。; 文摘真实场景往往面临数据稀缺和数据动态变化的问题,小样本增量学习的目的是利用少量数据推理数据知识并减缓模型对于旧知识的灾难性遗忘.已有的小样本增量学习的算法(CEC和FACT等)主要是利用视觉特征来调整特征编码器或者分类器,实现模型对于新数据的迁移和旧数据的抗遗忘.但是少量数据的视觉特征往往难以建模一个类别的完整特征分布,导致上述算法的泛化能力较弱.相比于视觉特征,图像类别描述的文本特征具有较好的泛化性和抗遗忘性.因此,在视觉语言模型的基础上,研究基于文本知识嵌入的小样本增量学习,通过在视觉特征中嵌入具有抗遗忘能力的文本特征,实现小样本增量学习中新旧类别数据的有效学习.具体而言,在基础学习阶段,利用视觉语言模型抽取图像的预训练视觉特征和类别的文本描述,并通过文本编码器实现预训练视觉特征到文本空间的映射.进一步利用视觉编码器融合学习到的文本特征和预训练视觉特征抽象具有高辨别能力的视觉特征.在增量学习阶段,提出类别空间引导的抗遗忘学习,利用旧数据的类别空间编码和新数据特征微调视觉编码器和文本编码器,实现新数据知识学习的同时复习旧知识.在4个数据集(CIFAR-100,CUB-200,Car-196和mini Image Net)上验证算法的有效性,证明基于视觉语言模型文本知识嵌入可以在视觉特征的基础上进一步提升小样本增量学习的鲁棒性.; 关键词小样本增量学习视觉语言模型文本知识嵌入类别空间引导的抗遗忘学习; Keywords few-shot incremental learning(FSIL) visual-language model textual-knowledge embedding class-space guided anti-forgetting learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于因果关系的小样本类增量学习: 2; 作者刘冰瑶刘进锋; 机构宁夏大学信息工程学院; 出处《计算机应用》 CSCD 北大核心 2024年第S01期54-59,共6页; 基金宁夏自然科学基金资助项目(2023AAC03126)。; 文摘相较于一次性获得所有训练数据的批量学习,小样本类增量学习具有更高的现实意义,它既能使机器学习更接近人类智能水平,又可以减少深度学习模型对大量训练数据的依赖。为缓解小样本类增量学习对旧类的遗忘,同时使分类过程不受任何因素的干扰,提出一种基于因果关系的小样本类增量学习策略。首先,采用干预式小样本学习剔除预训练知识所产生的混淆影响,使样本特征与分类标签具有真实的因果关系;其次,采用基于因果效应的类增量学习方法,通过在旧数据与最终标签间建立通路达到数据重放的因果效应,缓解灾难性遗忘;最后,采用随机情节选择策略增强特征的可扩展性,使它适应后续的增量学习。在miniImageNet与CIFAR100数据集上的实验结果表明,所提方法在1~8轮的增量学习过程中取得了最优的平均精度,同时具有一定稳定性、可解释性。; 关键词小样本类增量学习可解释性因果推断增量学习神经网络; Keywords few-shot class-incremental learning interpretability causal inference incremental learning neural network; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名面向草图检索的小样本增量有偏学习算法被引量：2: 3; 作者梁爽孙正兴; 机构南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系; 出处《软件学报》 EI CSCD 北大核心 2009年第5期1301-1312,共12页; 基金国家自然科学基金Nos.60721002 60373065 +2 种基金 69903006 新世纪优秀人才资助计划No.NCET-04-0460~~; 文摘为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.; 关键词草图检索相关反馈小样本增量有偏学习主动式学习有偏分类增量学习; Keywords sketch retrieval relevance feedback small sample incremental biased learning active learning biased classification incremental learning; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名自监督解耦动态分类器的小样本类增量SAR图像目标识别被引量：1: 4; 作者赵琰赵凌君张思乾计科峰匡纲要; 机构国防科技大学电子科学学院; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第10期3936-3948,共13页; 文摘为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力,该文研究了SAR ATR的小样本类增量学习(FSCIL)问题,并提出了自监督解耦动态分类器(SDDC)。针对FSCIL中“灾难性遗忘”和“过拟合”本质难点和SAR ATR领域挑战,根据SAR图像目标信息的部件化与方位角敏感性特点,于图像域构建了基于散射部件混淆与旋转模块(SCMR)的自监督学习任务,以提升目标表征的泛化性与稳健性。同时,设计了类印记交叉熵(CI-CE)损失并以参数解耦学习(PDL)策略对模型动态微调,以对新旧知识平衡判别。实验在由MSTAR和SAR-AIRcraft-1.0数据集分别构建的覆盖多种目标类别、观测条件和成像平台的FSCIL场景上验证了该算法开放动态环境的适应能力。; 关键词 SAR目标识别小样本类增量学习自监督学习深度学习; Keywords SAR target recognition Few-Shot Class-Incremental Learning(FSCIL) Self-supervised learning Deep Learning(DL); 分类号 TN957 [电子电信—信号与信息处理] TP751.2 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于特征分布学习的小样本类增量学习被引量：1: 5; 作者姚光乐祝钧桃周文龙张贵宇张伟张谦; 机构人工智能四川省重点实验室成都理工大学计算机与网络安全学院四川轻化工大学自动化与信息工程学院电子科技大学信息与通信工程学院电子信息控制重点实验室; 出处《计算机工程与应用》 CSCD 北大核心 2023年第14期151-157,共7页; 基金人工智能四川省重点实验室开放基金(2020RYJ03) 国家自然科学基金(U20B2070) 四川省重点研发计划(2021YFS0313,2021YJ0086)。; 文摘关注了一个非常具有挑战性的问题:深度神经网络的小样本类增量学习。其中深度神经网络模型可以从少量的样本中逐步学习新知识,同时不会忘记已学习的旧知识。为了平衡模型对旧知识的记忆和对新知识的学习,提出了一个基于特征分布学习的小样本类增量学习方法。在基类上学习模型以获得一个性能良好的特征提取器,并使用每类的特征分布信息来表示知识。将已学习的知识与新类的特征一起映射到一个新的低维子空间中,以统一地回顾旧知识与学习新知识。在子空间内,还为每个新类生成了分类权值初始化,以提高模型对新类的适应性。大量实验表明,该方法可以有效地减轻模型对已学习知识的遗忘,同时提高模型对新知识的适应性。; 关键词小样本类增量学习深度神经网络增量学习; Keywords few-shot class-incremental learning deep neural network incremental learning; 分类号 TP39 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	视觉语言模型引导的文本知识嵌入的小样本增量学习	姚涵涛余璐徐常胜	《软件学报》 EI CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于因果关系的小样本类增量学习	刘冰瑶刘进锋	《计算机应用》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	面向草图检索的小样本增量有偏学习算法	梁爽孙正兴	《软件学报》 EI CSCD 北大核心	2009	2	在线阅读下载PDF 职称材料
4	自监督解耦动态分类器的小样本类增量SAR图像目标识别	赵琰赵凌君张思乾计科峰匡纲要	《电子与信息学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于特征分布学习的小样本类增量学习	姚光乐祝钧桃周文龙张贵宇张伟张谦	《计算机工程与应用》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料