Байесовско обучение с малко примери
Байесовското обучение с малко примери (Bayesian few-shot learning) комбинира байесовски извод с метаобучение, за да даде възможност на модел да обобщава от едва един до пет маркирани примера на клас. Като третира параметрите, специфични за задачата, като случайни променливи и като научава информативно априорно разпределение върху много обучителни задачи, методът произвежда калибрирани оценки на несигурността заедно с предсказания — ключово предимство пред детерминистичните методи за обучение с малко примери.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Gordon, J., Bronskill, J., Bauer, M., Nowozin, S. & Turner, R. E. (2019). Meta-Learning Probabilistic Inference for Prediction. International Conference on Learning Representations (ICLR 2019). link ↗
- Finn, C., Xu, K. & Levine, S. (2018). Probabilistic Model-Agnostic Meta-Learning. Advances in Neural Information Processing Systems (NeurIPS 2018), 31. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/bg/machine-learning/bayesian-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.
- Байесов трансферно обучениеМашинно обучение↔ compare
- Обучение с малко примериМашинно обучение↔ compare
- Гаусов процесМашинно обучение↔ compare
- Полу-наблюдавано обучение с малко примери (Semi-supervised Few-shot Learning)Машинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →