公开(公告)号：CN115099279A

公开(公告)日：2022-09-23

申请号：CN202210804997.0

申请日：2022-07-08

Applicant: 中国科学院计算技术研究所

Inventor： 蔺思宇 ,  李昊庭 ,  韩银和 ,  宋佳 ,  马君

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明提供了一种基于一维周期信号进行分类的迁移学习方法，包括：S1、采用编码神经网络提取源域数据集和目标域数据集中的每个样本的特征向量，利用源域和目标域中设有标签的样本的特征向量以及标签训练分类器以识别设备的状态类别，训练时根据分类损失更新分类器的参数；S2、将目标域中没有标签的每个样本的特征向量输入经步骤S1训练的分类器以输出样本对应的状态类别，并将其作为对应样本的伪标签；S3、根据源域数据集中样本的特征向量、标签以及目标域数据集中样本的特征向量、标签和伪标签确定源域和目标域之间包含边缘分布差异和条件分布差异的第一联合分布损失，并根据第一联合分布损失更新编码神经网络的参数。