孿生神經網路（Siamese neural network），又名雙生神經網路，是基於兩個人工神經網路建立的耦合構架。孿生神經網路以兩個樣本為輸入，輸出其嵌入高維度空間的表征，以比較兩個樣本的相似程度。狹義的孿生神經網路由兩個結構相同，且權重共享的神經網路拼接而成。廣義的孿生神經網路，或“偽孿生神經網路（pseudo-siamese network）”，可由任意兩個神經網拼接而成。孿生神經網路通常具有深度結構，可由卷積神經網路、循環神經網路等組成。
在監督學習範式下，孿生神經網路會最大化不同標籤的表征，並最小化相同標籤的表征。在自監督或非監督學習範式下，孿生神經網路可以最小化原輸入和干擾輸入（例如原始圖像和該圖像的裁減）間的表征。
孿生神經網路可以進行小樣本/單樣本學習（one-shot learning），且不容易被錯誤樣本干擾，因此可用於對容錯率要求嚴格的模式識別問題，例如人像識別、指紋識別、目標追蹤等。
基本介紹
- 中文名：孿生神經網路
- 外文名：Siamese neural network
- 所屬學科：人工智慧
- 類型：機器學習算法，人工智慧算法
- 套用：模式識別
- 提出者：J. Bromley，I. Guyon，Y. LeCun，E. Säckinger，R. Shah
- 提出時間：1994年
術語簡介
孿生神經網路包含兩個子網路，子網路各自接收一個輸入，將其映射至高維特徵空間甩洪記榆，並輸出對應的表漿船鴉想征。通過計算兩個表征的距離，祖頌例如歐式距離，使用者可以比較兩個輸入的相似程度。孿生神經網路的堡臘殼子網路可以是卷積神經網路或循環神經網路，其記膠晚權重可以由能量函式或分類拳淋說損失疊狼邀最佳化。
