【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及机器学习领域，尤其涉及用于元少样本类增量学习的方法和设备。
技术介绍
1、经典的机器学习算法通常是为了对有限数量的类进行分类而开发的。现有的学习算法尝试训练模型学习新类，同时防止或减少对已学习类(例如，旧知识)的遗忘。但是，这些算法无法在不灾难性遗忘旧知识的情况下使预训练的模型在新类上有效适应。因此，在适应新知识与防止或最小化遗忘问题之间找到平衡仍然是机器学习领域面临的挑战。除了平衡挑战之外，由于反应真实世界的训练样本有限，现有的机器学习算法在适应新知识方面也面临着进一步的挑战。现有算法还存在其它限制，本文将进一步描述。
2、因此，需要消除或减轻现有技术的一个或多个限制的用于元少样本类增量学习的方法和设备。
3、提供该背景信息是为了揭示申请人认为可能与本专利技术相关的信息。任何上述信息均不必视为或不应理解为构成相对于本专利技术的现有技术。
技术实现思路
1、本专利技术提供了用于元少样本类增量学习的方法和系统。根据第一方面，提供了一种方法。所述方法包括：...
【技术保护点】
1.一种方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一网络为预测网络。
3.根据权利要求1所述的方法，其特征在于，所述更新所述第二网络的权重包括将所述第二网络的所述权重与所述至少一个权重注意力图相乘。
4.根据权利要求1所述的方法，其特征在于，所述至少一个权重注意力图表示所述第一网络的当前状态，所述当前状态指示已学习的知识。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述训练数据集和测试数据集来自顺序数据集。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。