【技术实现步骤摘要】
本专利技术是有关于一种计算机系统及其运作方法，且特别是有关于一种多重流形嵌入学习方法及系统。
技术介绍
1、机器学习是实现人工智能的一个途径之一，即以机器学习为手段，解决人工智能中的部分问题。
2、在数据驱动的机器学习中，分布外(out-of-distribution,ood)样本是指未见过的实例，它们不属于机器学习模型在训练时使用的分布。人工智能模型的部署经常会面临ood挑战，这是因为与原始训练数据相比，测试数据存在域偏移(domain shift)。这种偏移可能会使训练好的模型对错误决策过于自信，从而导致可信度和可靠性问题。然而，由于ood样本空间比id数据更广阔的特性，从id数据中检测ood样本一直是一项困难的任务。
技术实现思路
1、本专利技术提出一种多重流形嵌入学习方法及系统，改善先前技术的问题。
2、在本专利技术的一实施例中，本专利技术所提出的多重流形嵌入学习方法包含以下步骤：将使用识别(id)训练数据以训练多重流形嵌入学习模型，进而冻结多重流形嵌入学习模型的参数以得出已训练的多重流形嵌入学习模型；将测试数据输入到已训练的多重流形嵌入学习模型中，进而使用阈值将分布外(ood)样本与id样本区分开来。
3、在本专利技术的一实施例中，多重流形嵌入学习方法还包含：初始化多重流形嵌入学习模型的复数个分支，以编码不同的复数个流形。
4、在本专利技术的一实施例中，复数个分支包含一超球分支与一双曲分支，不同的复数个流形包含一超球流形与一
5、在本专利技术的一实施例中，将使用id训练数据以训练多重流形嵌入学习模型，进而冻结多重流形嵌入学习模型的参数以得出已训练的多重流形嵌入学习模型的步骤包含：于每个训练迭代，提取不同的复数个流形中每一个的嵌入并计算相应的损失，进而依据损失，更新多重流形嵌入学习模型；在多重流形嵌入学习模型训练完成以后，冻结多重流形嵌入学习模型的参数以得出已训练的多重流形嵌入学习模型；将id训练数据馈送到已训练的多重流形嵌入学习模型中，以提取id参考嵌入。
6、在本专利技术的一实施例中，损失包含不同的复数个流形的损失以及交叉熵分类损失。
7、在本专利技术的一实施例中，将测试数据输入到已训练的多重流形嵌入学习模型中，进而使用阈值将ood样本与id样本区分开来的步骤包含：将测试数据输入到已训练的多重流形嵌入学习模型中以提取潜在嵌入；基于潜在嵌入与id参考嵌入之间的距离，计算ood分数；比较ood分数与阈值以进行ood侦测，ood侦测将测试数据中的ood样本与id样本区分开来。
8、在本专利技术的一实施例中，本专利技术所提出的多重流形嵌入学习系统包含储存装置以及处理器，处理器电性连接储存装置。储存装置储存至少一指令，处理器用以存取并执行至少一指令以：初始化多重流形嵌入学习模型的复数个分支，以编码不同的复数个流形；将使用id训练数据以训练多重流形嵌入学习模型，进而冻结多重流形嵌入学习模型的参数以得出已训练的多重流形嵌入学习模型；将测试数据输入到已训练的多重流形嵌入学习模型中，进而使用阈值将ood样本与id样本区分开来。
9、在本专利技术的一实施例中，处理器用以存取并执行至少一指令以：于每个训练迭代，提取不同的复数个流形中每一个的嵌入并计算相应的损失，进而依据损失，更新多重流形嵌入学习模型；在多重流形嵌入学习模型训练完成以后，冻结多重流形嵌入学习模型的参数以得出已训练的多重流形嵌入学习模型；将id训练数据馈送到已训练的多重流形嵌入学习模型中，以提取id参考嵌入。
10、在本专利技术的一实施例中，处理器用以存取并执行至少一指令以：将测试数据输入到已训练的多重流形嵌入学习模型中以提取潜在嵌入；基于潜在嵌入与id参考嵌入之间的距离，计算ood分数；比较ood分数与阈值以进行ood侦测，ood侦测将测试数据中的ood样本与id样本区分开来。
11、在本专利技术的一实施例中，复数个分支包含超球分支与双曲分支，不同的复数个流形包含超球流形与双曲流形，损失包含超球损失、双曲损失以及交叉熵分类损失。
12、综上所述，本专利技术的技术方案与现有技术相比具有明显的优点和有益效果。本专利技术的多重流形嵌入学习方法及多重流形嵌入学习系统的目的是检测ood样本，以避免模型的不可靠预测结果，因此本专利技术引入了一种新颖的多重流形嵌入学习模型，将具有正曲率和负曲率的两种流形纳入其中，以增强ood样本的潜在表示。通过使用多种损失联合学习多个流形，本专利技术的架构旨在增加嵌入空间的异质性，从而在处理未知的ood样本时避免扭曲的表示关系。
13、以下将以实施方式对上述的说明作详细的描述，并对本专利技术的技术方案提供更进一步的解释。
本文档来自技高网...【技术保护点】
1.一种多重流形嵌入学习方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的多重流形嵌入学习方法，其特征在于，还包含：
3.根据权利要求2所述的多重流形嵌入学习方法，其特征在于，所述复数个分支包含一超球分支与一双曲分支，所述不同的复数个流形包含一超球流形与一双曲流形。
4.根据权利要求2所述的多重流形嵌入学习方法，其特征在于，使用一识别训练数据以训练一多重流形嵌入学习模型，进而冻结所述多重流形嵌入学习模型的参数以得出一已训练的多重流形嵌入学习模型的步骤包含：
5.根据权利要求4所述的多重流形嵌入学习方法，其特征在于，所述损失包含所述不同的复数个流形的损失以及交叉熵分类损失。
6.根据权利要求4所述的多重流形嵌入学习方法，其特征在于，将一测试数据输入到所述已训练的多重流形嵌入学习模型中，进而使用一阈值将分布外样本与ID样本区分开来的步骤包含：
7.一种多重流形嵌入学习系统，其特征在于，包含：
8.根据权利要求7所述的多重流形嵌入学习系统，其特征在于，所述处理器用以存取并执行所述至少一指令以：<...
【技术特征摘要】
1.一种多重流形嵌入学习方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的多重流形嵌入学习方法，其特征在于，还包含：
3.根据权利要求2所述的多重流形嵌入学习方法，其特征在于，所述复数个分支包含一超球分支与一双曲分支，所述不同的复数个流形包含一超球流形与一双曲流形。
4.根据权利要求2所述的多重流形嵌入学习方法，其特征在于，使用一识别训练数据以训练一多重流形嵌入学习模型，进而冻结所述多重流形嵌入学习模型的参数以得出一已训练的多重流形嵌入学习模型的步骤包含：
5.根据权利要求4所述的多重流形嵌入学习方法，其特征在于，所述损失包含所述不同的复数个流形的损失以及交叉熵分类损失。
6.根据权利要求...
【专利技术属性】
技术研发人员：李政霖，陈维超，张明清，
申请(专利权)人：英业达科技有限公司，
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。