基于反向预测的零样本学习
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 本文研究内容与结构安排 | 第15-19页 |
| 第2章 相关工作概述 | 第19-33页 |
| 2.1 迁移学习 | 第19-20页 |
| 2.2 零样本学习 | 第20-31页 |
| 2.2.1 语义表示 | 第21-26页 |
| 2.2.2 零样本学习的分类 | 第26-29页 |
| 2.2.3 存在的问题 | 第29-31页 |
| 2.3 反向预测 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于反向预测的直推式零样本学习算法 | 第33-47页 |
| 3.1 问题定义与符号说明 | 第33页 |
| 3.2 直推式零样本学习模型 | 第33-36页 |
| 3.2.1 正向预测模型 | 第34-35页 |
| 3.2.2 反向预测模型 | 第35-36页 |
| 3.2.3 对正向预测模型和反向预测模型的统一 | 第36页 |
| 3.3 优化算法 | 第36-38页 |
| 3.4 实验分析 | 第38-44页 |
| 3.4.1 数据集与实验设置 | 第38-40页 |
| 3.4.2 实验结果与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-47页 |
| 第4章 基于反向预测的归纳式零样本学习算法 | 第47-59页 |
| 4.1 符号定义与说明 | 第47页 |
| 4.2 归纳式零样本学习模型 | 第47-51页 |
| 4.2.1 RevIZSL模型 | 第47-48页 |
| 4.2.2 与自编码器的关系 | 第48-51页 |
| 4.3 优化算法 | 第51-52页 |
| 4.4 实验分析 | 第52-58页 |
| 4.4.1 数据集与实验设置 | 第52-54页 |
| 4.4.2 实验结果与分析 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-63页 |
| 5.1 研究内容总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的研究成果 | 第73页 |
