[发明专利]基于分层变分条件转移神经元的跨域小样本学习方法

摘要

本发明公开了一种基于分层变分条件转移神经元的跨域小样本学习方法，包括：1)构建初始记忆单元集M；2)随机初始化关键字生成网络f的参数θ、查询集推理网络g的参数φ1、支持集推理网络g的参数φ2；3)利用变分推理ELBO下限对所述记忆单元集M的生成过程以及所述参数θ、φ1、φ2进行优化；4)在所述参数θ、φ1、φ2训练收敛之后，利用测试数据进行测试。本发明基于分层变分条件转移神经元的跨域小样本学习方法，能够在小样本下解决跨域的偏移问题，在分布层面构建记忆单元，增强模型的泛化性能。