- 1、本文档共10页,其中可免费阅读9页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
该发明公开了一种基于新类特征空间来缓解旧类遗忘的行为识别方法,属于深度学习、行为识别、类增量持续学习领域。首先通过关键帧提取算法和预处理插帧算法构建的记忆集,高效实现了记忆集尺寸和重演样本数量的平衡,在消耗和其他方法相同的存储空间下,本发明能在记忆集中存放更多的重演样本,从而有效缓解类增量持续学习中对旧类的灾难性遗忘。其次,本发明在新阶段反向更新模型时,随机冻结对旧类敏感的神经元,同时提前跳出训练,有效阻止了模型过度丢失旧类特征的倾向。通过轻微移动模型对新类的特征空间,保留更多的旧类特征分布,虽
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117292294A
(43)申请公布日2023.12.26
(21)申请号202311241281.5
(22)申请日2023.09.25
(71)申请人电子科技大学
文档评论(0)