摘要
本申请公开了一种神经网络模型中未知数据的发现方法、装置、设备和可读存储介质,涉及人工智能技术领域。包括:将数据特征输入至预训练的差异放大适配器,以使预训练的差异放大适配器基于已知样本队列的特征队列,确定目标数据的归类结果;根据目标数据的归类结果,按照先进先出策略更新第二样本队列;针对每一第二样本队列,随机挑选第二样本队列中的样本重新计算其置信度,并从其样本队列中滤除置信度低于置信度阈值的已知样本;更新第二样本队列的聚类中心,并根据目标数据的归类结果的损失值更新预训练的差异放大适配器的参数。上述方法增加了模型发现未知数据的准确性和鲁棒性。
技术关键词
队列
适配器
样本
神经网络模型
数据
策略更新
先进先出
置信度阈值
参数更新模块
处理器
可读存储介质
特征提取模块
人工智能技术
计算机程序产品
存储器
鲁棒性
输出端
系统为您推荐了相关专利信息
交互控制方法
控制策略
轨迹生成器
拟牛顿算法
状态重构方法
智能决策方法
偏颇体质
多模态
数据
医院HIS系统