一种基于卷积去噪自编码关系网络的少样本学习方法.pdfVIP

下载本文档

1
0
约5.97千字
约 6页
2023-09-09 发布于四川
举报
版权申诉

一种基于卷积去噪自编码关系网络的少样本学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明提供了一种基于卷积去噪自编码关系网络的少样本学习方法，适用于空间任务领域。本发明结合了卷积去噪自编码和关系网络技术，以实现少样本学习。首先将输入数据集(102)拆分为样本集(103)与查询集(104)，通过去噪自编码器对输入的数据进行特征提取(105)和去噪处(106)，得到高质量的特征；利用卷积降噪自编码器关系网络(107)对提取得到的特征进行关联和推理，通过学习特征之间的关系(108)，系统能够更好地理解数据的内在结构和规律，从而实现对少样本的准确学(110)。本发明通过充分挖掘少样本

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116720565 A (43)申请公布日 2023.09.08 (21)申请号 202310678354.0 (22)申请日 2023.06.09 (71)申请人北京航空航天大学地址 1001