Online Few-Shot Learning
Online Few-Shot Learning kombiniert das Streaming-Update-Prinzip des Online-Lernens mit dem Ziel der Dateneffizienz des Few-Shot-Lernens. Es ermöglicht einem Modell, sich kontinuierlich an neue Aufgaben oder Klassen anzupassen, basierend auf nur einer Handvoll gelabelter Beispiele, während Daten sequenziell eintreffen – ohne Zugriff auf den vollständigen historischen Datensatz.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Finn, C., Rajeswaran, A., Kakade, S., & Levine, S. (2019). Online Meta-Learning. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1920–1930. link ↗
- Javed, K., & White, M. (2019). Meta-Learning Representations for Continual Learning. Advances in Neural Information Processing Systems (NeurIPS), 32. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels). ScholarGate. https://scholargate.app/de/machine-learning/online-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.
- Few-Shot LearningMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →