【摘 要】
：
元学习是机器学习领域的一种新方法。与传统机器学习相比,元学习可以模仿高级生物体的快速学习能力,从而快速地适应新的学习任务。尽管元学习取得了相当多的研究进展,但元学习依然还存在着很多问题。例如:元学习的可解释性问题、自适应性问题、泛化性问题。本文主要针对元学习的可解释性、泛化性问题,基于纤维丛理论,提出了一种新的元学习方法即纤维丛元学习。本文的主要内容包括:（1）提出了基于变分贝叶斯的纤维丛元学习算
论文部分内容阅读
元学习是机器学习领域的一种新方法。与传统机器学习相比,元学习可以模仿高级生物体的快速学习能力,从而快速地适应新的学习任务。尽管元学习取得了相当多的研究进展,但元学习依然还存在着很多问题。例如:元学习的可解释性问题、自适应性问题、泛化性问题。本文主要针对元学习的可解释性、泛化性问题,基于纤维丛理论,提出了一种新的元学习方法即纤维丛元学习。本文的主要内容包括:（1）提出了基于变分贝叶斯的纤维丛元学习算法。首先通过卷积神经网络提取小样本问题的支持数据集的图片信息,得到图片的流形表示。然后构建数据的特征的流形结构和数据特征到标签的纤维丛。输入查询集选取当前新任务的流形截面,从而选取适合新任务的纤维,得到图片正确标签。基于所提算法(在公共数据集（mini-ImageNet）上对比标准四层卷积神经网络的模型取得了最佳的准确率性能。（2）提出了基于切丛降维元学习算法。先利用局部样本协方差矩阵的特征值构建切丛,分别对支持集和查询集进行降维,然后应用到纤维丛元学习算法框架下,从而得到图片正确的低维坐标（标签）。基于所提算法实例在公共数据集（mini-ImageNet）上对比标准四层卷积神经网络的模型取得了最佳的准确率性能。（3）设计并实现了元学习医学图像识别系统。该系统基本功能是通过上传乳腺超声图像,对图像进行预处理,利用上述两种算法识别良性和恶心肿瘤,为医生提供可以参考的辅助诊断意见,同时提供三个等级管理权限,管理员,医生和患者。管理员界面提供扩展训练功能,重新训练模型,可以上传新的模型,训练识别新的疾病等功能。
其他文献
隐式篇章关系识别任务旨在根据句法信息、语义信息和上下文信息等线索推理论元对之间的篇章关系。该任务因缺乏显式连接词等直接推理线索,需依赖论元充分的语义表示帮助推理,是自然语言处理领域中一项基础且颇具挑战的任务。本文为挖掘论元更丰富的语义表示,基于宾州篇章树库v2.0,提出了基于多粒度和交互敏感的隐式篇章关系识别研究,主要包括三个部分:第一部分是短语级表示学习方法。短语信息因为天然的语义内聚性,是识别
预训练模型的出现将自然语言处理带入了一个新的时代。对多种自然语言处理任务,借助预训练模型取得的性能已经远超过传统的方法。然而,目前预训练模型的可解释性较差,对句子语义的捕获能力还有待进一步分析。AMR（Abstract Meaning Representation,抽象语义表示）是一种基于图结构的语义表示方法,能够提供句子级别精准的语义表示。AMR与预训练模型作为有机整体相辅相成。一方面,借助AM
近年来,随着计算机技术的发展和人工智能的兴盛,人们对于计算机视觉的研究也进一步深入,在工业、军事、交通等领域都取得了长足进展,其中以医学领域的技术革新最为引人注目。肋骨骨折作为一种常见骨科疾病,主要通过相关医疗设备对患者胸腔肋骨的医学图像进行采集,最后由医生根据影像进行诊断。在借助机器学习、深度学习方法后,医疗设备可以提取肋骨骨折图像的特征并在此基础上实现初步判断。作为现代医疗辅助技术的重要工具,
＜正＞《习近平著作选读》第一卷、第二卷出版座谈会5月22日在京召开，中共中央政治局常委、中央书记处书记蔡奇出席会议并讲话。他表示，编辑出版《习近平著作选读》是党中央作出的重大决定，是党和国家政治生活中的一件大事，要把学习选读作为坚持用习近平新时代中国特色社会主义思想凝心铸魂的重大政治任务，推动把学习宣传贯彻习近平新时代中国特色社会主义思想和党的二十大精神引向深入，引导广大党员干部更加深刻领悟“两个
随着我国经济的迅猛发展,城市内车辆数量急剧增加。私家车在给人们带来出行便利的同时也不可避免的带来了一些问题,其中最为严重的便是交通拥堵。部署在城市路口的信号灯能够直接影响交通流的行驶趋势,因此优化城市信号灯控制模型是缓解拥堵最有效的方法之一。信号灯控制策略优化从本质上来讲是序列决策优化的问题,由于强化学习能够在与环境的交互中优化决策,因此将强化学习应用于信号灯控制领域具有非常可观的前景。针对上述分
强化学习是通过与环境交互来实现给定目标的学习范式,有强大的决策能力。近年来,凭借深度学习强大的表征能力和日益增长的计算能力,深度强化学习在许多领域取得了重大突破,展现出了巨大的应用潜力。基于最大熵强化学习框架,柔性行动者-评论家算法（Soft Actor-Critic,SAC）较好地平衡了探索和利用,在连续动作控制领域上实现了稳定性和最终性能的统一。基于SAC,本文提出了应用于深度强化学习的近期加
多回合对话回应选择是自然语言处理领域的一个热门方向,旨在最大限度地模仿人与人之间的对话方式,使得人类能够用更自然的方式与机器进行交流。准确、无歧义的人机对话能够最大限度降低机器的使用门槛,方便人们生活。多回合对话回应选择任务主要包含三个步骤:文本潜在语义信息的挖掘和整合、对话上文与备选回应交互信息的挖掘和整合以及结果的预测。而已有的研究存在以下问题:对话上文信息与备选回应间的关联关系未充分利用、对
深度强化学习将深度学习与强化学习相结合,成功地在一些复杂且需要高维度感知的决策任务中获得了突破性的成果。深度强化学习方法中一个很重要的问题就是探索与利用的平衡。基于熵的异策略深度强化学习方法在兼顾样本利用率的同时也最大化了策略的探索程度,取得了非常优秀的学习效果。熵的引入使得基于熵的异策略深度强化学习方法在一定程度上解决了探索的问题,可以在更短的时间里学习到更优秀的模型。为了进一步提高当前流行的基
我国“因继承发生有限责任公司股权变动”规则见于《公司法》第75条,但该条规定过于简略,并未明确回答继承主体范围、继承客体、股权继承模式、股权继承变动时点等内容。对于继承主体范围而言,股权继承主体应包括法定继承人、遗嘱继承人和受遗赠人。对于继承客体而言,理论上存在“继承出资说”、“继承股东资格说”、“继承自益权说”、“继承股权说”四种观点。其中,“继承股权说”较为科学,应当认可股权作为继承客体的正当
随着互联网的快速发展,Twitter、微博和抖音等社交平台成为人们必不可少的社交工具,上亿用户在各种社交平台分享他们的想法和心情。这些包含用户情绪的信息对于研究用户的心理状态具有十分重要的作用。社交网络数据包含多种模态的信息如文本、图片和语音等,使用丰富的多模态社交网络数据给检测抑郁症提供了一种新的途径。相比于单文本的抑郁症检测研究,面向多模态场景社交网络数据为抑郁症检测提供了更多有用的信息,同时