Pooltugevdatud väheste näidistega õppimine
Pooltugevdatud väheste näidistega õppimine (SS-FSL) treenib mudeleid uute klasside klassifitseerimiseks vaid mõne märgistatud näitega klassi kohta, kasutades samal ajal ära märgistamata andmete hulka, et rikastada klassiesitusi. Kombineerides metaõppimise episoodid pehmete pseudo-siltide määramisega märgistamata näidiste jaoks, saavutab see märkimisväärselt kõrgema täpsuse kui puhtalt juhendatud väheste näidistega meetodid, kui on saadaval rohkesti märgistamata andmeid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Ren, M., Triantafillou, E., Ravi, S., Snell, J., Swersky, K., Tenenbaum, J. B., Larochelle, H., & Zemel, R. S. (2018). Meta-learning for semi-supervised few-shot classification. In International Conference on Learning Representations (ICLR 2018). link ↗
- Finn, C., Abbeel, P., & Levine, S. (2017). Model-agnostic meta-learning for fast adaptation of deep networks. In Proceedings of the 34th International Conference on Machine Learning (ICML 2017), PMLR 70, 1126–1135. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Few-shot Learning (SS-FSL). ScholarGate. https://scholargate.app/et/machine-learning/semi-supervised-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.
- Väheste näidistega õppimineMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →