典型文献
基于ADFRN与SAGCN的少样本学习方法
文献摘要：
随着网络深度的增加,图卷积网络容易出现过拟合现象,且现有的少样本学习方法往往会忽略具有类别特点的局部细节信息对于分类的贡献.因此,文章提出了一种基于自适应细节特征增强网络与语义对齐图卷积网络的少样本学习方法,能够根据经验知识去学习生成具有可变感受野范围,并从长宽和通道维度中捕捉具有类别特点的局部细节信息的卷积核.本研究将单一学习任务中所有强化后的特征图构造成图结构数据,利用语义对齐图卷积网络对结点特征进行优化,同时引入语义对齐操作防止出现过拟合现象.
文献关键词：
图卷积网络;少样本学习;ADFRN;SAGCN
中图分类号：
作者姓名：
强梦烨;陆琴心;晏明昊
作者机构：
国网江苏省电力有限公司无锡供电分公司,江苏 无锡 214000
文献出处：
引用格式：
[1]强梦烨;陆琴心;晏明昊-.基于ADFRN与SAGCN的少样本学习方法)[J].无线互联科技,2022(16):131-134
A类：
ADFRN,SAGCN
B类：
少样本学习,图卷积网络,过拟合,略具,局部细节信息,细节特征,特征增强,语义对齐,经验知识,感受野,长宽,卷积核,学习任务,特征图,图构造,构造成图,图结构数据,结点,点特征,防止出现
AB值：
0.280061
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。
