Εκμάθηση με λίγα δείγματα
Η εκμάθηση με λίγα δείγματα (few-shot learning) είναι ένα παράδειγμα μηχανικής μάθησης που εκπαιδεύει μοντέλα ώστε να αναγνωρίζουν νέες κλάσεις ή να επιλύουν νέες εργασίες από μόνο μερικά επισημασμένα παραδείγματα — τυπικά ένα έως πέντε — αξιοποιώντας προηγούμενη γνώση που αποκτήθηκε από μια μεγάλη, σχετική κατανομή εκπαίδευσης. Είναι ιδιαίτερα σχετική σε τομείς όπου η επισήμανση είναι δαπανηρή, σπάνια ή δομικά περιορισμένη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Πηγές
- Vinyals, O., Blundell, C., Lillicrap, T., Wierstra, D., & Kavukcuoglu, K. (2016). Matching Networks for One Shot Learning. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Finn, C., Abbeel, P., & Levine, S. (2017). Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks. Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70:1126–1135. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Few-shot Learning (Meta-learning with Limited Labeled Examples). ScholarGate. https://scholargate.app/el/machine-learning/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.
- Εκμάθηση ΜετρικήςΜηχανική Μάθηση↔ compare
- Αυτο-εποπτευόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Εκμάθηση μεταφοράςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →