基于注意图神经网络的少快照音频分类

张士雷、秦勇、孙克伟、林永华

少快照学习是机器的一个非常有前途和富有挑战性的领域学习的目的是从极少数有标签的人那里理解新概念示例。在本文中，我们提出了注意力框架来扩展最近提出的基于图神经网络的少快照学习音频分类场景。建议注意力的目标框架是引入一个灵活的框架来选择性地实现每个查询过程的支持示例的集中过程。我们还提供了一个关于少数快照置信度的实证研究后验概率与归一化相结合的学习应用网络概率输出的熵。的效率通过平衡训练实验验证了该方法一套用于训练的音频集和一套由大约用于测试的5小时音频数据。

doi:10.21437/Interspeech.2019-1532

引用为：Zhang，S.，Qin，Y.，Sun，K.，Lin，Y.（2019）使用注意图神经网络的Few-Shot音频分类。程序。Interspeech 2019，3649-3653，doi:10.21437/Interspeech.2019-1532

@在过程中{zhang19k_enterseech，author={Shilei Zhang和Yong Qin以及Kewei Sun和Yonghua Lin}，title={{Few-Shot音频分类与注意图神经网络}}，年份=2019，booktitle={Proc.Interspeech 2019}，页码={3649--3653}，doi={10.21437/Interspeech.2019-1532}，issn={2958-1796}}