Aprendizaje bayesiano con pocas muestras

El aprendizaje bayesiano con pocas muestras (Bayesian few-shot learning) combina la inferencia bayesiana con el metaaprendizaje para permitir que un modelo generalice a partir de tan solo uno a cinco ejemplos etiquetados por clase. Al tratar los parámetros específicos de la tarea como variables aleatorias y aprender una distribución a priori informativa a través de muchas tareas de entrenamiento, el método produce estimaciones de incertidumbre calibradas junto con las predicciones, una ventaja clave sobre los aprendices deterministas con pocas muestras.