[发明专利]一种领域适应性网络的深度迁移学习方法在审
| 申请号： | 201711183073.9 | 申请日： | 2017-11-23 |
| 公开（公告）号： | CN107958286A | 公开（公告）日： | 2018-04-24 |
| 发明（设计）人： | 龙明盛;王建民;陈新阳;黄向东 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司11002 | 代理人： | 王莹,吴欢燕 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种领域适应性网络的深度迁移学习方法，通过根据每一任务相关层对应的分布差异，分类错误率和错配度，确定领域适应性网络的损失函数的值，其中，任一任务相关层对应的分布差异为源域与目标域分别对应的该任一任务相关层中的特征的概率分布之间的分布差异；并基于损失函数的值，更新领域适应性网络的参数，以使领域适应性网络适配目标域；从而将源域和目标域分别对应的每一任务相关层中的特征的概率分布之间的分布差异作为领域适应性网络的损失函数的值的组成部分，在不同领域间同时匹配了深度网络的每一任务相关层，更好地修正边缘分布和条件分布在不同领域间的差异，保证了迁移学习的可靠性，最终保证领域适应性网络迁移学习的效果。 | ||
| 搜索关键词： | 一种 领域 适应性 网络 深度 迁移 学习方法 | ||
【主权项】：
一种领域适应性网络的深度迁移学习方法，其特征在于，包括：确定第一概率分布与第二概率分布之间的分布差异，所述第一概率分布为源域的样本在领域适应性网络的任一任务相关层中的特征的概率分布，所述第二概率分布为目标域的样本在所述任一任务相关层中的特征的概率分布，所述任务相关层为所述领域适应性网络的上层，将所述第一概率分布与所述第二概率分布之间的分布差异作为所述任一任务相关层对应的分布差异；确定对所述源域和所述目标域中已标记的样本的分类错误率；确定对所述目标域的数据结构的错配度；根据每一任务相关层对应的分布差异，所述分类错误率和所述错配度，确定所述领域适应性网络的损失函数的值；基于所述损失函数的值，更新所述领域适应性网络的参数，以使所述领域适应性网络适配所述目标域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711183073.9/，转载请声明来源钻瓜专利网。
