计算机应用

作者：郑宗生, 胡晨雨, 姜晓轶

单位：1. 上海海洋大学 信息学院, 上海 201306;2. 国家海洋信息中心, 天津 300171

关键词：迁移学习,深度卷积神经网络,最大均值差异,领域适配,台风等级

基金：国家自然科学基金资助项目（41671431）；上海市科委地方院校能力建设项目（17050501900）；国家海洋局数字海洋科学技术重点实验室开放基金资助项目。

在基于模型参数的迁移学习研究中，两域样本的分布差异、源模型卷积层之间的互适应性都是影响模型迁移性能的重要因素。针对上述问题，提出一种多层卷积适配（MCA）深度迁移框架并将其应用于台风卫星云图的等级分类，在交叉熵函数的基础上添加L-最大均值差异（MMD）算法作为正则项，并对样本在再生核希尔伯特空间（RKHS）中的分布进行线性的无偏估计，最终定义了CE-MMD损失函数。在反向传播过程中，将残差和两域样本分布的差异共同作为网络参数更新的指标，使得迁移模型收敛速度更快、精度更高。在自建的台风数据集上对L-MMD算法和Bregman差异、KL散度两种度量算法进行对比实验，结果表明所提算法的精度分别高出11.76个百分点和8.05个百分点。实验结果表明，L-MMD算法优于其他度量算法，而且MCA深度迁移框架具有可行性。

来源：2020年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第11期