论文笔记3-12.2

论文标题CROSS-DOMAIN FEW-SHOT CLASSIFICATION VIA LEARNED FEATURE-WISE TRANSFORMATION
在这里插入图片描述
原型网络分为两部分,E编码器和M度量函数,对于跨领域小样本分类来说,编码器不能在度量空间中把他们分得很开。本文的解决方法是在编码器的最后加入一层变换层,如图所示
在这里插入图片描述
将经过特征转换的中间特征激活集成到特征方法转换中,以集成到特征编码器E中。直观地讲,与特征转换层集成在一起的特征编码器E可以产生更多种特征分布,从而提高了度量函数M的泛化能力。
其中可学习的超参数在这里插入图片描述是这层中高斯分布的两个参数,
最终获得新的激活函数在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值