一种基于元学习的特征噪声泛化能力增强方法

    公开(公告)号:CN119785069A

    公开(公告)日:2025-04-08

    申请号:CN202411673135.4

    申请日:2024-11-21

    Abstract: 一种基于元学习的特征噪声泛化能力增强方法,通过torch函数寻找数据特征,然后对随机噪声分配权重,形成特征噪声,分为置换标签和置换像素的两种环境以及训练前期、训练中期和训练后期的三个不同的训练阶段,分别引入特征噪声进行循环训练,输出的泛化增强模型使得泛化精度显着提高,在三种环境中添加特征噪声对于元模型的准确度都有明显的改善,并使用限定于[0,1]的有界函数替换传统损失函数,实现对目标结果的准确估测,当准确度不达标时,以该次循环训练被输入特征噪声之后的元训练集作为新训练集,进行下一次循环训练,最后以准确度达标的六个特征噪声泛化能力增强模型作为输出模型,使得元模型的损失降低,有效提升元学习的泛化能力。

Patent Agency Ranking