xbet星投

我国科学家研发出终身度量学习算法

xbet星投平台

最近,中国科学院沉阳自动化研究所机器人研究所的研究小组提出了一种终身度量学习算法,相关结果发表在IEEE讯访网络学期刊上。

在线度量/相似度学习具有有效处理大规模数据的优点,已成功应用于数据挖掘,信息检索和计算机视觉领域。

与广泛的离线学习度量模型的批量学习方法不同,在线学习可以使用一个或一组样本迭代来更新度量模型,同时它更适合于序列数据的任务。但是,目前大多数在线度量学习模型只能实现基于固定度量任务的在线学习,不能添加新任务。

0ea43b1b035745fb9b5bfb55fe361403

终身测量学习模型

沉阳自动化研究所的研究团队使用终身学习来模拟“人类学习”,将当前指标扩展到新任务,同时保持当前指标不变。例如,在2D图像识别系统中,度量学习系统可以很好地识别图片是否包含已知类别的目标,但是用户通常期望该能力被扩展到新任务,即检测新的类别目标。

终身度量学习(LML),旨在从旧任务中学习共享度量,同时保持先前任务的性能。假设所有任务都位于低维共享子空间中,LML学习称为“生命周期字典”的知识库作为所有度量模型的共享基础,并且所有学习模型都可以用作终生字典的稀疏组合。

具体地,首先通过聚类从第一训练任务初始化生命字典。当新的第t + 1任务到达系统时,LML通过迁移生命字典中的基础知识来学习新的度量模型。使用当前和以前的任务更新您的生活字典。

实验结果表明,该模型可以应对不断增加的测量任务场景,并通过多任务测量学习获得类似的结果。

该研究得到了国家自然科学基金和机器人国家重点实验室的支持。

沉阳自动化研究所