基于元学习的情感识别如何解决“小样本+多任务”问题? 热门官方
回答:小样本多任务情感识别(如同时识别“客服”“教育”“医疗”三个领域的愤怒)需模型快速适应新领域。元学习通过MAML(Model-Agnostic Meta-Learning)学习“快速适应新任务的初始化参数”:先在多个源领域上训练,学习通用的情感特征提取能力,再在新领域的少量样本上微调,使模型快速收敛。实验显示,MAML在小样本(5样本/类)多任务情感识别中的准确率较从头训练高25%,较迁移学习高12%。
用户讨论(回复)
共 0 条记录,当前显示第 1- 条
« 上一页
下一页 »
相关阅读