Bayesiani väheste näidistega õppimine
Bayesiani väheste näidistega õppimine ühendab Bayesiani järelduse metaoppimisega, et võimaldada mudelil üldistada vaid ühe kuni viie märgistatud näite põhjal klassi kohta. Käsitades ülesandespetsiifilisi parameetreid juhuslike muutujatena ja õppides informatiivset eelteavet paljude õppeülesannete kaudu, toodab meetod koos ennustustega kalibreeritud ebakindluse hinnanguid – see on peamine eelis deterministlike väheste näidistega õppijate ees.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/et/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.
- Bayesilik ülekandeõppimineMasinõpe↔ compare
- Väheste näidistega õppimineMasinõpe↔ compare
- Gaussi protsessMasinõpe↔ compare
- Pooltugevdatud väheste näidistega õppimineMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →