典型文献
结合记忆与迁移学习的小样本学习
文献摘要：
小样本学习是视觉识别中的一个受关注的领域,旨在通过少量的数据来学习新的视觉概念.为了解决小样本问题,一些元学习方法提出从大量辅助任务中学习可迁移的知识并将其应用于目标任务上.为了更好地对知识进行迁移,提出了一种基于记忆的迁移学习方法.提出一种权重分解策略,将部分权重分解为冻结权重与可学习权重,在迁移学习中通过固定冻结权重,仅更新可学习权重的方式来减少模型需要学习的参数.通过一个额外的记忆模块来存储之前任务的经验,在学习新任务时,这些经验被用来初始化模型的参数状态,以此更好地进行迁移学习.通过在miniImageNet、tieredImageNet以及CUB数据集上的实验结果表明,相对于其他先进的方法,该方法在小样本分类任务上取得了具有竞争力甚至是更好的表现.
文献关键词：
小样本学习;迁移学习;记忆模块;元学习
中图分类号：
作者姓名：
刘兵;杨娟;汪荣贵;薛丽霞
作者机构：
合肥工业大学 计算机与信息学院,合肥 230601
文献出处：
引用格式：
[1]刘兵;杨娟;汪荣贵;薛丽霞-.结合记忆与迁移学习的小样本学习)[J].计算机工程与应用,2022(19):242-249
A类：
tieredImageNet
B类：
小样本学习,视觉识别,视觉概念,小样本问题,元学习,辅助任务,可迁移,目标任务,迁移学习方法,分权,冻结,可学,学习权重,记忆模块,前任,新任务,初始化,miniImageNet,CUB,分类任务
AB值：
0.366602
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
