基于标签感知神经过程的实时适应条件监测信号预测
原文中文，约300字，阅读约需1分钟。发表于：。通过神经过程模型的方法，本文建立了一个具有实时适应性的预测模型，可以编码条件监测信号的观测结果，并重构信号的历史与演化以进行预测，实现实时预测和不确定性量化，并可随时更新，同时还结合个别单元的定性信息，以提高单元的个性化预测和对信号及其关联标签的联合推断。
本文提出了一种基于条件神经过程的多任务分类方法，该方法在多任务训练后能够自适应地适应新任务，并与元学习和少样本学习建立联系。实验结果表明，该方法在Meta-Dataset基准测试中取得了最先进的效果，具有高质量的迁移学习能力。该方法稳健性好，避免了过拟合和欠拟合问题，计算效率高，能在连续学习和主动学习方面超越现有方法。
