【技术实现步骤摘要】
本专利技术涉及数据处理，具体提供一种基于数学期望的小样本深度学习方法。
技术介绍
1、现如今人工智能与深度学习在学术与工业界都已取得重大的成果，但是现在的深度学习方法需要的三个关键要素是算法，算力，数据。算法与算力这两个方面在近些年发展迅速，出现了多种神经网络模型例如：mlp,cnn，rnn，gan，transformer，diffusion model。这些模型在各个领域已经取得了优异的成绩，但是无一例外的是，它们都需要大量的优质训练数据。而且传统方法拟合的是样本到样本之间的映射关系，在小样本学习上的效果很差，也正因如此在缺少标签数据的流体数值模拟方面深度学习尚未取得非常优异的成果。
2、因此，本领域需要一种新的小样本训练方案来解决上述问题。
技术实现思路
1、为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决小样本学习效果差的问题。
2、本专利技术提供一种基于数学期望的小样本深度学习方法，包括：获取训练集；其中，训练集包括样本子集对及样本子集对应的条...
【技术保护点】
1.一种基于数学期望的小样本深度学习方法，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，所述方法至少包括以下步骤获取所述样本子集对：
3.根据权利要求2所述的方法，其特征在于，所述方法至少包括以下步骤获取所述样本子集对应的条件期望：
4.根据权利要求1所述的方法，其特征在于，基于所述训练集对待训练模型进行训练的过程包括：
5.根据权利要求4所述的方法，其特征在于，获取所述样本子集对与所述样本子集对应的条件期望之间的映射关系的过程包括：基于拟合方式获取所述映射关系。
【技术特征摘要】
1.一种基于数学期望的小样本深度学习方法，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，所述方法至少包括以下步骤获取所述样本子集对：
3.根据权利要求2所述的方法，其特征在于，所述方法至少包括以下步骤获取所述样本子集对应的条件...
【专利技术属性】
技术研发人员：张钊，陈正龙，翟佳羽，李欣鹏，严侠，刘丕养，张凯，
申请(专利权)人：山东大学，
类型：发明
国别省市：
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。