一种改进的小批量手写体字符识别算法

摘要：

在机器学习领域,从少量样本中高效的学习仍然是一个巨大的挑战.本文借鉴度量学习的思想,基于深度高斯过程模型这一非参数模型,提出了用于小批量手写字符识别的深度高斯匹配网络.该框架可以自适应的学习到一种将以标注支撑集和未标注的样本映射能够有效到其标签的深度结构,同时避免因训练数据不足而出现的过拟合现象.在深度高斯过程模型的训练阶段,运用标准化流方法构造灵活的变分分布,改善了推断的质量.并且在稀疏化高斯模型以降低计算量时,使用最优k均值方法寻找伪点.在Omniglot和MiniImage数据集上的实验结果表明,相比于传统的CNN,本文算法在单学习样本中的准确率均有所提高,并且本文模型不依赖于微调,同时计算量也得到了控制.

关键词：深度高斯过程、变分推断、标准化流、小样本学习、手写体识别

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家"八六三"项目2015AA015403

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1541-1546