一种元-卷积网络和持续学习融合的洞库类目标识别方法

• 作者: 宋鹏亮 梅育青 薛旭 贾博然 陈科山
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 洞库类目标 目标识别 深度卷积网络 元学习 持续学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息与控制
• 页码范围: 655-660
• 页数: 6页
• 分类号: TP751
• 字数: 3811字
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2019.148

摘要

洞库类目标是高价值识别目标,针对洞库类目标样本数据难以获得、样本内部数据相似度较高、人工设计识别特征方法局限性较大、普通深度网络需要海量数据等问题,提出了结合元学习和深度卷积网络的元-卷积网络(MCNN),并融合持续学习理论的洞库类目标识别方法(MCNN-LLS).首先结合深度卷积网络、元学习的理论建立元-卷积网络,该网络可利用旧知识指导新知识的训练,利用小样本数据即可训练得到识别能力较高的深度洞库模型;然后融合持续学习理论,建立持续学习系统(LLS),设计专家审核模型判别深度洞库模型的识别结果,并引入潜在任务、模型异步更新等方法,达到模型持续学习、持续更新的效果.实验表明,本文方法所需样本数量少,对洞库类目标识别准确率高,且识别能力可随识别过程中新数据的积累逐步提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈科山	北京交通大学机械与电子控制工程学院	15	36	4.0	5.0
2	贾博然	北京交通大学机械与电子控制工程学院	2	0	0.0	0.0
3	薛旭	北京交通大学机械与电子控制工程学院	2	0	0.0	0.0
4	宋鹏亮	北京交通大学机械与电子控制工程学院	2	0	0.0	0.0
5	梅育青	北京交通大学机械与电子控制工程学院	1	0	0.0	0.0