基于元学习和数据增强优化小样本模型泛化性能研究
打开文本图片集
摘 要：针对小样本模型泛化性能不足的问题，引入元学习机制构建强泛化性的数据分析模型。使用BP神经网络建立数据分析模型，并使用模型无关元学习算法MAML对模型进行优化。结果显示，相比于传统模型（如支持向量机和高斯过程方法），文中所建立模型的泛化性能更好；针对MAML训练数据形式，引入数据增强方法增加训练数据数量，文中所建立模型的均方根误差、平均绝对百分比误差和决定系数分别为0.05、0.066和0.85，均优于其他预测模型。（剩余7354字）
