龚泽凯，范兆伦，崔海波

(湖北大学计算机与信息工程学院， 湖北 武汉 430062)

0 引言

随着机器学习的发展，出现了各种各样的深度学习网络，比如卷积神经网络，生成对抗网络和长短期记忆网络等.这些优秀的神经网络模型在图像方面取得了非常良好的效果，然而这些网络都得益于大量带标签的训练数据.数据成本也是现在应该关注的问题，对所有数据都进行标注是不经济的.例如，稀有生物的图片和新型产业数据样本非常少，所以让机器自己学会学习是非常重要的一步.对于一个年纪不大的孩子，让他去识别不认识的动物，只需给他少量的样本，比如几张熊猫和猫的图片，他就能非常准确地识别熊猫和猫.所以人工智能关键的一步就是如何像人一样学会如何去识别未知的类别.元学习就是基于机器如何在类人学习的基础上提出来的，即从少量带有标签的数据中学习如何去区分类别.小样本学习是元学习在监督学习领域的应用，实际上，很多元学习的问题都是小样本学习的问题.

小样本学习具有类人学习能力，减少了数据收集、成本开支、学习的样本数量有限等特点[1].由于小样本学习的任务样本非常少，传统的监督学习非常容易过拟合.文献[2]中提出了一种孪生神经网络，通过将图片进行向量化处理得到特征函数，然后通过比较余弦相似度来进行判断两个图片是否为同一类别，这种神经网络更适合于小样本……