融合突触重塑及情景记忆网络的小样本类别增量学习方法

本发明公开了一种融合突触重塑及情景记忆网络的小样本类别增量学习方法。本发明通过情景记忆网络解码器生成的新类别虚拟数据补充到小样本数据集中，以缓解小样本数据集的数据缺失问题。本发明采用突触重塑方法来生成虚拟数据，以缓解小样本数据集的数据缺失问题，并设计了基于情景记忆网络的抗遗忘学习模型，以解决类别灾难性遗忘问题。突触重塑方法首先对现有的少量数据进行深度分析，提取出具有高代表性的情景特征，然后通过这些特征生成新的虚拟数据。这些虚拟数据保留了原始数据的关键信息，同时引入了适当的变化和多样性，从而丰富了训练集。通过这种方式，模型可以在更大、更丰富的数据集上进行训练，显著提高其泛化能力和预测准确性。