[发明专利]一种基于元学习的集成式深度模型分类方法

摘要

一种基于元学习的集成式深度模型分类方法，包括：1)收集与任务相关的标注数据，划分数据集为训练集和测试集；2)通过任务与数据类型选择多组较优的数据增强方式，对初始数据进行增强；3)选择N个相同的的深度学习网络模型作为初始模型，选择1种算法作为模型集成所需算法；4)训练过程中将训练集部分采样得到查询集，剩下部分作为支撑集；5)使用支撑集训练该N组模型，并进行梯度更新；6)使用查询集验证该N组模型，并对算法进行梯度更新，使用更新后的算法对多模型集成，将集成模型参数替换掉该N个网络模型的参数；7)重复4‑6步骤多次，使用最后一轮得到的算法对最后一轮得到的N组模型进行集成，得到最终的模型。