澳门金沙娱乐城-澳门金沙娱乐场_澳门百家乐官网_全讯网新2开户 (中国)·官方网站

本網訊（軟件學院）近日，人工智能領域國際頂級會議AAAI-2023傳來喜訊，軟件學院青年教師魏欣博士的論文“Feature Distribution Fitting with Direction-Driven Weighting for Few-Shot Images Classification”被接收。作為CCF-A類推薦會議，AAAI會議每年舉辦一次。據官方公布，今年共投稿8777篇論文，錄用率不足20%。

論文優化策略概述圖

近年來，小樣本學習受到越來越多的關注，并取得了重大進展。然而，小樣本學習方法大多側重于訓練過程的優化以及度量的學習和樣本生成網絡的學習，這些方法忽略了學習小樣本類的真實特征分布的重要性。

針對上述問題，論文提出一種方向驅動加權方法，使小樣本類的特征分布精確地擬合真實分布。學習到的特征分布可以為小樣本類生成無限制數量的訓練樣本，以避免模型過擬合。具體而言，所提出的方法包括兩種優化策略：一是方向驅動策略，用于捕獲能夠描述特征分布的更完整的方向信息，如圖(a)所示；二是相似性加權策略，用于估計擬合過程中不同類別的影響并分配相應的權重，如圖(b)所示。在miniImageNet、CIFAR-FS和CUB等標準小樣本學習基準數據集上，所提出方法在1-shot設置下的平均性能優于當前最先進的方法3%。出色的性能和引人注目的可視化顯示表明，該方法可以更準確地估計真實分布。

編    輯：付自強

責任編輯：許  航