|
|
1.
基于改进的最大均值差异算法的深度迁移适配网络
郑宗生, 胡晨雨, 姜晓轶
计算机应用
2020, 40 (11):
3107-3112.
DOI: 10.11772/j.issn.1001-9081.2020020263
在基于模型参数的迁移学习研究中，两域样本的分布差异、源模型卷积层之间的互适应性都是影响模型迁移性能的重要因素。针对上述问题，提出一种多层卷积适配（MCA）深度迁移框架并将其应用于台风卫星云图的等级分类，在交叉熵函数的基础上添加L-最大均值差异（MMD）算法作为正则项，并对样本在再生核希尔伯特空间（RKHS）中的分布进行线性的无偏估计，最终定义了CE-MMD损失函数。在反向传播过程中，将残差和两域样本分布的差异共同作为网络参数更新的指标，使得迁移模型收敛速度更快、精度更高。在自建的台风数据集上对L-MMD算法和Bregman差异、KL散度两种度量算法进行对比实验，结果表明所提算法的精度分别高出11.76个百分点和8.05个百分点。实验结果表明，L-MMD算法优于其他度量算法，而且MCA深度迁移框架具有可行性。
参考文献 |
相关文章 |
多维度评价
|
|
