摘要
本发明公开了一种基于多模态特征偏差高斯化的过程协同学习方法,该方法构建多流学生网络小组,小组内每个多流学生网络的图像特征,文本特征以及声音特征。然后,多模态特征转换器将各流特征进行转换,得到各多流学生网络之间可以适配的多模态特征。接下来,计算其每个子网络的输出特征与其他学生网络每个子网络输出特征之间的偏差,使用分段幂级转换对偏差进行高斯化。最后,对于使用多模态特征偏差高斯化技术的特征信号,建立过程协同学习函数,完成多流学生网络的优化。
技术关键词
协同学习方法
多模态特征
网络
学生
转换器
偏差
输出特征
样本
文本
多信号
信号特征
图像
表达式
参数
输入端
分段
输出端
系统为您推荐了相关专利信息
运营管理方法
BP神经网络模型
运营管理系统
计划
绘图模块
LSTM神经网络
资源调配方法
代表
序列
资源管理技术
图像特征数据
周期
防治系统
构建预测模型
构建训练集
简历解析方法
计算机设备
可读存储介质
长短期记忆网络
深度学习框架