研究人员开发了一种新颖的两阶段归纳式方法，用于少样本开集音频分类。该方法首先通过为查询样本分配潜在的内点得分来细化原型，从而降低来自未知类别的样本的权重。然后，使用结合了交叉熵、条件熵最小化和边际熵最大化的归纳式损失来优化细化后的原型。在三个音频数据集上的实验表明，该方法在用有限数据对已知类别进行分类方面取得了最先进的性能，同时能有效拒绝未知类别。 AI
影响 该方法可以提高人工智能系统在需要识别和拒绝未知来源音频数据的场景下的准确性和鲁棒性。
排序理由 详细介绍音频分类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
