تعلم التعزيز قليل اللقطات (Ensemble Few-Shot Learning)
يجمع تعلم التعزيز قليل اللقطات بين نماذج قليلة اللقطات متعددة — مثل الشبكات النموذجية (prototypical networks) أو متعلمي التضمين (embedding learners) — لتصنيف فئات جديدة من مثال واحد إلى عدد قليل من الأمثلة المصنفة. من خلال فرض التنوع بين المتعلمين الأساسيين وتجميع تنبؤاتهم، يتفوق التعزيز باستمرار على أي نموذج فردي قليل اللقطات من حيث الدقة والمتانة، خاصة في ظل ندرة التصنيفات الشديدة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Dvornik, N., Schmid, C., & Mairal, J. (2019). Diversity with Cooperation: Ensemble Methods for Few-Shot Classification. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3716–3725. link ↗
- Wang, Y., Yao, Q., Kwok, J. T., & Ni, L. M. (2020). Generalizing from a Few Examples: A Survey on Few-Shot Learning. ACM Computing Surveys, 53(3), 1–34. DOI: 10.1145/3386252 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/ar/machine-learning/ensemble-few-shot-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التعزيزتعلم الآلة↔ compare
- تعلم العينات القليلةتعلم الآلة↔ compare
- التعلم شبه المُشرف بالقليل من الأمثلة (Semi-supervised Few-shot Learning)تعلم الآلة↔ compare
- التعلم التحويليتعلم الآلة↔ compare
- التصويت التجميعيتعلم الآلة↔ compare