《開放環(huán)境下的度量學(xué)習(xí)研究》以模型在開放環(huán)境下輸入、輸出層面上面臨的挑戰(zhàn)為切入點(diǎn)，提出針對或利用度量學(xué)習(xí)特性的具體算法，從理論和應(yīng)用等多個角度使度量學(xué)習(xí)的研究能夠契合開放的環(huán)境。
《開放環(huán)境下的度量學(xué)習(xí)研究》從理論上分析了度量學(xué)習(xí)的泛化能力，提出了降低樣本復(fù)雜度的策略；提出了一種應(yīng)用度量語義變換在小樣本情況下應(yīng)對特征變化的學(xué)習(xí)方法；提出了能夠靈活挖掘并自適應(yīng)利用開放環(huán)境中復(fù)雜語義的多度量學(xué)習(xí)框架；提出了一種利用分布擾動以適應(yīng)輸入特征和對象關(guān)系噪聲的度量學(xué)習(xí)方法。
《開放環(huán)境下的度量學(xué)習(xí)研究》提出的理論和方法可以為度量學(xué)習(xí)相關(guān)領(lǐng)域的研究生或從業(yè)人員提供一些借鑒和幫助。
《開放環(huán)境下的度量學(xué)習(xí)研究》內(nèi)容榮獲2021年“CCF優(yōu)秀博士學(xué)位論文獎”。
如何從數(shù)據(jù)中學(xué)習(xí)有效的度量是人工智能、機(jī)器學(xué)習(xí)的基礎(chǔ)問題之一。度量學(xué)習(xí)技術(shù)在海量單語義標(biāo)注樣本的條件下取得了巨大成功，而獲取標(biāo)注需耗費(fèi)人力物力，這使得僅具有少量標(biāo)注樣本、具有標(biāo)注噪聲且囊括多樣化語義的“開放環(huán)境”度量學(xué)習(xí)備受關(guān)注。實(shí)踐中基于少量標(biāo)注樣本的度量學(xué)習(xí)方法難以適配環(huán)境、任務(wù)的變化。如何提升度量學(xué)習(xí)的效率，增強(qiáng)度量學(xué)習(xí)對多樣化語義的表示能力，提升度量學(xué)習(xí)對噪聲的容忍度，使度量可以有效支撐開放環(huán)境下的機(jī)器學(xué)習(xí)應(yīng)用成為重大挑戰(zhàn)。
《開放環(huán)境下的度量學(xué)習(xí)研究》對度量學(xué)習(xí)在開放環(huán)境中所面臨的挑戰(zhàn)進(jìn)行了總結(jié)，從理論層面分析了度量學(xué)習(xí)的泛化能力，提出了一種應(yīng)用度量語義對異構(gòu)模型特征進(jìn)行變換、利用分布擾動以適應(yīng)輸入特征和對象關(guān)系噪聲的學(xué)習(xí)框架，以及一種適用復(fù)雜語義的多度量學(xué)習(xí)方法。
《開放環(huán)境下的度量學(xué)習(xí)研究》對度量學(xué)習(xí)的研究與開放環(huán)境中度量學(xué)習(xí)的需求密切相關(guān)，進(jìn)一步推進(jìn)了度量學(xué)習(xí)方法在實(shí)際任務(wù)中的應(yīng)用。
|
