Bayesiansk få-skuds-læring
Bayesiansk få-skuds-læring kombinerer Bayesiansk inferens med meta-læring for at gøre en model i stand til at generalisere ud fra så få som et til fem mærkede eksempler per klasse. Ved at behandle opgavespecifikke parametre som stokastiske variabler og lære en informativ a priori-fordeling på tværs af mange træningsopgaver, producerer metoden kalibrerede usikkerhedsestimater sammen med forudsigelser – en afgørende fordel i forhold til deterministiske få-skuds-læringsmodeller.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/da/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.
- Bayesiansk overføringslæringMaskinlæring↔ compare
- Few-shot LearningMaskinlæring↔ compare
- Gaussisk procesMaskinlæring↔ compare
- Semi-supervised Few-shot LearningMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →