一种基于度量距离损失框架的半监督学习方法、设备及存储介质.pdfVIP

一种基于度量距离损失框架的半监督学习方法、设备及存储介质.pdf

  1. 1、本文档共20页,其中可免费阅读19页,需付费10金币后方可阅读剩余内容。
  2. 2、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。
  3. 3、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。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、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
  7. 7、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。
  8. 8、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
查看更多
本发明一种基于度量距离损失框架的半监督学习方法、设备及存储介质,S101、将分类损失、一致性损失、熵最小损失进行形式转换,并在转换后的一致性损失中加入伪标签作为类别信息,得到伪标签一致性损失,将转换后的分类损失、伪标签一致性损失、熵最小损失进行合成得到统一的半监督损失函数;S102、对统一后的半监督损失函数中核心的优化目标进行修正,添加自适应相似度权重、间距系数和缩放因子;S103、构建半监督神经网络模型,利用统一的半监督损失函数与梯度下降法优化神经网络模型参数;解决多任务下各个损失权重难以调节

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112348109 A (43)申请公布日 2021.02.09 (21)申请号 202011297013.1 (22)申请日 2020.11.18 (71)申请人 浙江树人学院(浙江树人大学)

文档评论(0)

知识产权出版社 + 关注
官方认证
文档贡献者

知识产权出版社有限责任公司(原名专利文献出版社)成立于1980年8月,由国家知识产权局主管、主办。长期以来, 知识产权出版社非常重视专利数据资源的建设工作, 经过多年来的积累,已经收藏了数以亿计的中外专利数据资源。

认证主体北京中献电子技术开发有限公司
IP属地四川
统一社会信用代码/组织机构代码
91110108102011667U

1亿VIP精品文档

相关文档