Verkko-oppiminen vähäisillä esimerkeillä
Verkko-oppiminen vähäisillä esimerkeillä yhdistää verkkokoulutuksen periaatteen datavirran päivityksestä datatehokkuuden tavoitteeseen vähäisillä esimerkeillä, mahdollistaen mallin jatkuvan mukautumisen uusiin tehtäviin tai luokkiin vain kourallisella merkittyjä esimerkkejä datan saapuessa peräkkäin – ilman pääsyä koko historialliseen aineistoon.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels). ScholarGate. https://scholargate.app/fi/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.
- Few-shot LearningKoneoppiminen↔ compare
- Online-oppiminenKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →