Ансамбълно обучение с малко примери (Ensemble Few-Shot Learning)
Ансамбълното обучение с малко примери комбинира множество модели за обучение с малко примери — като прототипни мрежи или обучаващи се на вграждане (embedding learners) — за класифициране на нови класове само от един до няколко етикетирани примера. Чрез налагане на разнообразие между базовите обучаващи се модели и агрегиране на техните предсказания, ансамбълът последователно надминава всеки отделен модел за обучение с малко примери по точност и устойчивост, особено при силен недостиг на етикети.
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
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/bg/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.
- БустингМашинно обучение↔ compare
- Обучение с малко примериМашинно обучение↔ compare
- Полу-наблюдавано обучение с малко примери (Semi-supervised Few-shot Learning)Машинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
- Гласуваща ансамблова схемаМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →