-
公开(公告)号:CN113822742A
公开(公告)日:2021-12-21
申请号:CN202111098120.6
申请日:2021-09-18
Applicant: 电子科技大学
IPC: G06Q30/06 , G06F16/9536 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及物品推荐领域,其公开了一种基于自注意力机制的推荐方法,提高推荐模型的训练效率和个性化推荐的效果。该方法包括以下步骤:首先采集用户历史交互信息并进行预处理,形成训练样本集;然后设计推荐模型,将训练样本集作为推荐模型的输入,采用平方损失函数作为优化目标,对推荐模型进行训练;最后通过训练好的推荐模型计算得到用户与待推荐项目的交互概率,根据交互概率的大小进行排序,生成用户的推荐候选集。
-
公开(公告)号:CN117253074A
公开(公告)日:2023-12-19
申请号:CN202311017594.2
申请日:2023-08-14
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/58 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于自训练和域对抗的高光谱图像域自适应分类方法,主要解决现有技术伪标签噪声大、分类精度低的问题。实现方案是:获取源域和目标域数据集;构造包括特征提取器、三个分类器和梯度反转层这三部分组成的去偏自训练域对抗自适应模型,定义由交叉熵损失、自训练损失、最差情况对抗损失和域混淆损失组成的损失函数;计算去偏自训练域对抗自适应模型的损失值,将其带入链式法则计算该模型的各个参数梯度,对模型参数进行更新,直到达到指定轮数完成模型训练;将目标域数据集输入到训练好的模型中得到分类结果。本发明降低了伪标签的噪声,提升了高光谱域自适应分类精度,可用于国土规划、生态保护、市政建设中的地物目标识别。
-
公开(公告)号:CN113822742B
公开(公告)日:2023-05-12
申请号:CN202111098120.6
申请日:2021-09-18
Applicant: 电子科技大学
IPC: G06Q30/0601 , G06F18/25 , G06F16/9536 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及物品推荐领域,其公开了一种基于自注意力机制的推荐方法,提高推荐模型的训练效率和个性化推荐的效果。该方法包括以下步骤:首先采集用户历史交互信息并进行预处理,形成训练样本集;然后设计推荐模型,将训练样本集作为推荐模型的输入,采用平方损失函数作为优化目标,对推荐模型进行训练;最后通过训练好的推荐模型计算得到用户与待推荐项目的交互概率,根据交互概率的大小进行排序,生成用户的推荐候选集。
-
-