您所在的位置: 首页 > 专利技术 > 正文
专利基本信息
专利名称 一种基于全局语义一致网络的零样本学习方法
专利状态 - 专利号(申请号) CN108846413B
专利申请日期 2018-05-21 专利类型 发明专利
申请公布号 2018104862903 申请公布日 2018-05-21
授权公告号 - 授权公告日 -
发明人 吴凡;周水庚
专利权人 复旦大学
专利摘要 本发明属于机器学习技术领域,具体为一种基于全局语义一致网络的零样本学习方法。本发明将全体类的语义信息作为全连接层权重加入到深度学习框架,并采用两个全连接对应积乘积的非线性自加权结构和交叉熵损失函数,建立全局语义一致网络GSC‑Net,通过GSC‑Net实现端到端的零样本学习。本发明方法框架简单、使用方便、可扩展性强、可解释性强,并在三个主流视觉属性数据集的零样本分类和泛化零样本分类两大任务的结果上,都远远超过了现有方法。本发明能够为计算机视觉、自然语言处理和推荐系统等涉及到零样本学习的领域,提供基础框架和算法的支持,也能很容易地扩展到开放集识别、增量学习和在线学习等问题。
专利价值评估分析
相关推荐
Baidu
map