《表3 连接请求报文结构:基于自注意力和自编码器的少样本学习》
表1~表3的数据从一定程度上反映出相比于自编码器的方法,通道自注意力方法在少样本学习上有更好的性能.本文认为其原因之一在于通道自注意力方法是无参数的,这能有效避免少样本学习中比较严重的模型迁移能力弱问题.除此之外,通道自注意力方法对每个样本的特征提取过程进行调节,其对特征提取的影响范围比自编码器方法更大.这两种原因导致通道自注意力方法取得了更好的性能.通道自注意力方法和自编码器方法结合能进一步带来性能提升,本文认为其原因为两种方法的关注点不同,自编码器旨在更深入挖掘训练集中的可用信息,这在通道自注意方法中并没有体现,两者具有一定的互补性,故能进一步提升性能.
图表编号 | XD00209360000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.04.15 |
作者 | 冀中、柴星亮 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |