تعلم العينات القليلة المُنتظم
يعزز تعلم العينات القليلة المُنتظم خطوط أنابيب تعلم العينات القليلة القياسية بآليات تنظيم صريحة — مثل اضمحلال الوزن، والتسرب، وزيادة البيانات، وتنعيم التسمية، أو قيود المشعب — لتقليل الإفراط في التخصيص لمجموعات الدعم الصغيرة التي تحدد كل حلقة. ينتج عن هذا نماذج أكثر قابلية للتعميم عندما تتوفر عينة واحدة إلى ثلاثين مثالاً مُصنّفًا لكل فئة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Chen, W., Liu, Y., Kira, Z., Wang, Y. F., & Huang, J. (2019). A Closer Look at Few-Shot Classification. International Conference on Learning Representations (ICLR). link ↗
- Tian, Y., Wang, Y., Krishnan, D., Tenenbaum, J. B., & Isola, P. (2020). Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need? European Conference on Computer Vision (ECCV). link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Regularized Few-Shot Learning (Regularization-Enhanced Meta-Learning). ScholarGate. https://scholargate.app/ar/machine-learning/regularized-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.
- تعلم العينات القليلةتعلم الآلة↔ compare
- التعلم النقلي المنظمتعلم الآلة↔ compare
- التعلم ذاتي الإشرافتعلم الآلة↔ compare
- التعلم شبه المُشرف بالقليل من الأمثلة (Semi-supervised Few-shot Learning)تعلم الآلة↔ compare
- التعلم التحويليتعلم الآلة↔ compare