Διαδικτυακή Μάθηση Ελάχιστων Δεδομένων (Online Few-shot Learning)
Η Διαδικτυακή Μάθηση Ελάχιστων Δεδομένων συνδυάζει την αρχή της συνεχούς ενημέρωσης της διαδικτυακής μάθησης (online learning) με τον στόχο της αποδοτικότητας δεδομένων της μάθησης ελάχιστων δεδομένων (few-shot learning), επιτρέποντας σε ένα μοντέλο να προσαρμόζεται συνεχώς σε νέες εργασίες ή κλάσεις από μια χούφτα μόνο επισημασμένων παραδειγμάτων καθώς τα δεδομένα φτάνουν διαδοχικά — χωρίς πρόσβαση στο πλήρες ιστορικό σύνολο δεδομένων.
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.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels). ScholarGate. https://scholargate.app/el/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.
- Εκμάθηση με λίγα δείγματαΜηχανική Μάθηση↔ compare
- Διαδικτυακή ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Εκμάθηση μεταφοράςΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →