← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9428.l · 生成模型:Tencent Hunyuan Hy

基于度量的元学习:连体网络

理解等级:中级

基于度量的元学习主张在有限数据下提取最重要的信息而不过度,用度量或距离函数在合适层级提取特征。典型模型是连体神经网络,由两个共享权重与参数的相同网络组成,分别从两个输入提取特征。判别器计算特征对之间的距离(如 L1、L2、余弦相似度),再经全连接层与 Sigmoid 输出两输入同类的概率。它学习有效特征以揭示输入间关系,尤其擅长少样本场景,具体实现见[[卷积连体网络人脸识别实现]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第08章《深度学习的新趋势》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/15.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文以共享权重的双网络与距离判别同类的机制,支撑连体网络适合少样本度量学习。 - 原始内容:典型的基于度量的学习模型是连体神经网络。 如下图的架构所示,它由两个相同的网络组成,它们共享相同的权重和参数以分别从两个输入中提取特征: