[發明專利]基于概念穩定特征及其差異化網絡的概念學習方法

在審

• 申請號: 201910326409.5
• 申請日: 2019-04-22
• 公開（公告）號: CN110378362A
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 周昌軍;朱成彥
• 申請（專利權）人: 浙江師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 杭州知瑞知識產權代理有限公司 33271
• 代理人: 張劍英

1.一種基于穩定特征和概念穩定特征之間差異化的概念學習網絡模型SCDNet，其特征在于，包括訓練過程和測試過程，訓練過程包括以下步驟：

(1)使用MNIST手寫數字識別數據庫，1000張圖片作為訓練集，每個類別對應100張訓練圖片，10000張圖片作為測試集；

(2)設置網絡的超參數，網絡迭代次數，卷積核的大小，約束條件的懲罰系數等；

(3)從每個類別對應的100張訓練圖片中，隨機選取一張圖片，經過兩層卷積層提取特征，使用此特征作為該類別對應的穩定特征并以向量形式存儲在知識空間內。

(4)選取一個未被學習的概念類別，使用全部100張訓練圖片，經過第一層卷積層提取特征；

(5)將第一層卷積層提取的特征送入該類別對應的編碼器中，得到壓縮編碼；

(6)計算編碼器輸出的壓縮編碼與該類別對應穩定特征的相似度；

(7)在滿足概念之間穩定特征差異性的約束條件下，最大化壓縮編碼與對應概念穩定特征的相似度；

(8)重復步驟4-7，順序學習每一個概念類別。

測試過程包含以下步驟：

(1)對每一個測試圖片，經過第一層卷積層提取得到初級特征；

(2)將初級特征送入全部的編碼器中，得到壓縮編碼；

(3)計算每個編碼器對應的壓縮編碼與對應的穩定特征之間的相似度，選取相似度最大的穩定特征作為圖片對應的概念類別。

2.根據權利要求1所述的基于穩定特征的概念表示方法中，其特征在于：使用穩定特征表示概念，它比傳統深度學習模型更加具有可解釋性。每個概念的穩定特征是其內部結構關系的表現，這些內部結構關系包括自身的空間結構關系，顏色關系等。我們使用穩定特征表示每個概念，并將該特征存儲在知識空間中。不同概念的穩定特征之間具有相似性，通過存儲在知識空間的穩定特征，我們可以建模概念之間的邏輯關系，從而可以進一步進行知識推理。

3.根據權利要求1所述的基于概念穩定特征之間差異化的學習方法，其特征在于：獨立的學習每個概念函數可能會導致概念混肴的發生，所以我們在學習時要注重穩定特征之間的差異性，即概念之間的抑制作用。為了達到上述目的，我們在最小化每個概念函數時，需要滿足概念之間的約束條件。將每個穩定特征看作每個類別的中心，穩定特征的差異化就是實例通過某種度量方式與該中心距離更近，而與其它中心距離相對遠。我們使用編碼器作為每個概念的學習模塊，對實例特征與穩定特征之間的關系，概念之間的差異關系同時進行建模，使得我們的小樣本學習能力得到很大提升。