[發(fā)明專利]基于圖卷積神經(jīng)網(wǎng)絡的小樣本分類模型的發(fā)育方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 202011032774.4 | 申請日： | 2020-09-27 |
| 公開（公告）號： | CN112183620B | 公開（公告）日： | 2021-04-23 |
| 發(fā)明（設計）人： | 楊旭;張昕悅;劉智勇;張璐 | 申請（專利權(quán)）人： | 中國科學院自動化研究所 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04 |
| 代理公司： | 北京市恒有知識產(chǎn)權(quán)代理事務所(普通合伙) 11576 | 代理人： | 郭文浩;尹文會 |
| 地址： | 100190 *** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 圖卷 神經(jīng)網(wǎng)絡 樣本 分類 模型 發(fā)育 方法 系統(tǒng) | ||
1.一種基于圖卷積神經(jīng)網(wǎng)絡的小樣本分類模型的發(fā)育方法，其特征在于，該方法包括：
步驟S100，獲取待發(fā)育分類模型，并提取所述待發(fā)育分類模型的分類器，分別提取預先構(gòu)建的知識圖譜中與待發(fā)育分類模型的舊任務和新任務相關(guān)的類別信息和連接信息，并構(gòu)建常識性知識圖網(wǎng)絡；
步驟S200，通過所述待發(fā)育分類模型的特征提取模塊提取新任務的少量樣本的類別特征作為初始節(jié)點信息；
步驟S300，通過余弦相似度函數(shù)判別舊任務與新任務類別間的關(guān)系，若類別間的余弦相似度大于設定值，則基于初始節(jié)點信息構(gòu)建經(jīng)驗性知識圖網(wǎng)絡；所述經(jīng)驗性知識圖網(wǎng)絡的邊為兩個類別的節(jié)點間連接邊；
步驟S400，通過降噪自動編碼器，基于所述常識性知識圖網(wǎng)絡以及經(jīng)驗性知識圖網(wǎng)絡構(gòu)建融合圖；
步驟S500，通過圖卷積神經(jīng)網(wǎng)絡，迭代在所述融合圖上進行常識性知識和經(jīng)驗性知識信息的傳播和聚合以及通過目標優(yōu)化函數(shù)最小化舊類別的分類權(quán)重的真實值與預測值之間的差值，獲得新任務類別的分類器；
步驟S600，將所述新任務類別的分類器的分類權(quán)重賦值給所述待發(fā)育分類模型中的分類器，獲得面向新任務的認知發(fā)育后的分類模型。
2.根據(jù)權(quán)利要求1所述的基于圖卷積神經(jīng)網(wǎng)絡的小樣本分類模型的發(fā)育方法，其特征在于，所述預先構(gòu)建的知識圖譜為基于設定數(shù)據(jù)集構(gòu)建的無向圖，其公式表示為：
其中，為知識圖譜中相關(guān)節(jié)點的集合，每個節(jié)點分別代表一個類別；為邊的集合，代表圖中節(jié)點間的連接關(guān)系，代表節(jié)點
知識圖譜中節(jié)點特征的集合為：
知識圖譜中類別的分類權(quán)重為：
其中，
3.根據(jù)權(quán)利要求2所述的基于圖卷積神經(jīng)網(wǎng)絡的小樣本分類模型的發(fā)育方法，其特征在于，步驟S100包括：
步驟S110，根據(jù)所述知識圖譜中的對應類別信息，獲取
步驟S120，通過基于維基百科訓練的Glove模型將所述
步驟S130，基于所述語義特征向量以及知識圖譜中節(jié)點之間的連接關(guān)系，構(gòu)建常識性知識圖網(wǎng)絡。
4.根據(jù)權(quán)利要求3所述的基于圖卷積神經(jīng)網(wǎng)絡的小樣本分類模型的發(fā)育方法，其特征在于，所述常識性知識圖網(wǎng)絡的特征矩陣為，
所述常識性知識圖網(wǎng)絡的邊表示為：
其中，代表節(jié)點
5.根據(jù)權(quán)利要求1所述的基于圖卷積神經(jīng)網(wǎng)絡的小樣本分類模型的發(fā)育方法，其特征在于，步驟S200包括：
步驟S210，通過所述待發(fā)育分類模型的特征提取模塊提取支撐集中提供的新任務的少量樣本的特征值；
步驟S220，計算所述少量樣本的特征值的均值作為初始節(jié)點信息；
所述初始節(jié)點信息表示為：
其中，
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國科學院自動化研究所，未經(jīng)中國科學院自動化研究所許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011032774.4/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
- 一種腸胃鏡配套清潔達標圖譜
- 一種混合高低階圖卷積傳播系統(tǒng)
- 基于圖結(jié)構(gòu)矩陣特征向量的圖卷積神經(jīng)網(wǎng)絡生成方法
- 基于骨骼關(guān)節(jié)點的圖卷積行為識別方法及裝置
- 一種基于網(wǎng)絡結(jié)構(gòu)增強的圖卷積模型防御方法、裝置和系統(tǒng)
- 一種基于骨架的雙流自適應圖卷積網(wǎng)絡行為識別方法
- 一種基于時空圖卷積網(wǎng)絡的人臉檢測方法及裝置
- 一種基于權(quán)重不確定的圖卷積神經(jīng)網(wǎng)絡的優(yōu)化方法、裝置
- 一種基于圖自編碼器的融合子空間聚類方法及系統(tǒng)
- 基于圖卷積神經(jīng)網(wǎng)絡交互的推薦方法及系統(tǒng)
- 硬件神經(jīng)網(wǎng)絡轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡
- 神經(jīng)網(wǎng)絡的生成方法、生成裝置和電子設備
- 一種舌診方法、裝置、計算設備及計算機存儲介質(zhì)
- 學習神經(jīng)網(wǎng)絡結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設備
- 一種適應目標數(shù)據(jù)集的網(wǎng)絡模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡的處理器及其操作方法、電氣設備
- 一種圖像神經(jīng)網(wǎng)絡結(jié)構(gòu)的優(yōu)化方法及裝置
