嵌入学习方法在解决小样本学习问题时面临的挑战是什么？ （1）过度依赖于辅助数据，预训练的模式违背了小样本学习的本质定义。几乎所有的嵌入学习方法都需要通过大量辅助样本来预训练特征嵌入函数，但在实际应用场景中，很多时候数据量受限，使用辅助样本的思路显得不切实际。还有，使用的辅助数据与当前任务样本的相关性较低时，嵌入学习方法会学习到较差的特征嵌入函数，不利于后续准确地对样本分类，而各类嵌入学习模型或多

如何将领域知识融入到深度学习模型中？ 在早期的研究阶段，大多基于经验和对问题的一些理解， 启发式地设计网络， 并通过端到端学习的方式得到解决具体问题的深度模型。这类方法在很多问题如图像识别中取得了巨大的成功， 但随着相关研究的逐渐深入， 发现完全启发式设计的深度网络并不能在所有的问题中取得令人满意的果。一些依赖低层知识的视觉问题中， 如图像盲去模糊问题， 这种直接使用端到端策略和经验设计的网络就

从信号的时频谱图中可以提取什么特征？ 基于时频谱图的特征一般包括能量特征、时域和频域拓展特征以及时频内禀特征。 基于时频图的能量特征 基于时频图的特征中，能量特征是最简单的一种，通过分析时频谱图中的能量分布特性而获取信号的时频信息，包括某个特定频带的能量、总能量和时频图沿时间轴或频率轴压缩后的统计特征，如下： （1）特定频带能量 ：特定频带能量是指时频图中一行或几行系数之和。 （2）总能