基于元学习和数据增强优化小样本模型泛化性能研究

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。