声明
第一章 绪论
1.1课题研究背景及意义
1.2零次学习研究现状
1.3 本文的主要研究内容
1.4 文本的组织结构
第二章 零次学习相关方法与技术概述
2.1零次学习概述
2.2 知识图谱简述
2.3 WordNet简介
2.4 卷积神经网络(CNN)
2.5 自编码器
2.5.1多层自编码器
2.5.2卷积自编码器
2.5.3稀疏自编码器
2.5.4降噪自编码器
2.6 图卷积神经网络(GCN)
2.6.1平均聚合法
2.6.2添加自环的聚合法
2.6.3归一化加权平均聚合法
2.6.4对称归一化加权平均聚合法
2.7归纳学习与直推式学习
2.8本章小结
第三章 相关双自编码器在零次学习上的研究
3.1引言
3.2.1 视觉特征自编码器
3.2.2 视觉语义相关自编码器
3.2.3 映射模型
3.3 实验与评估
3.3.1数据集和基础设置
3.3.2在AwA数据集和CUB数据集上的实验结果
3.3.3在ImageNet数据集上的实验结果
3.3.3 优化后的属性特征变化
3.3.4 使用不同特征映射的实验结果
3.3.5 实验结果分析
3.4 本章小结
第四章 知识图谱在零次学习上的研究
4.1引言
4.2 构造关系图与优化类别的语义特征
4.2.1构造类别之间的关系图
4.2.2 图网络算法Graphsage优化语义特征
4.3 图卷积神经网络和知识迁移方法
4.4 实验
4.4.1 数据集和设置
4.4.2 实现细节
4.4.3 实验比较
4.5本章小结
第五章 总结与展望
5.1工作总结
5.2 未来工作展望
致谢
参考文献
附录
杭州电子科技大学;