למידת-מעט-דוגמאות בייסיאנית
למידת-מעט-דוגמאות בייסיאנית משלבת היסק בייסיאני עם למידת-על (meta-learning) כדי לאפשר למודל להכליל ממספר קטן של דוגמאות מתויגות לכיתה, החל מדוגמה אחת עד חמש. על ידי התייחסות לפרמטרים ספציפיים למשימה כאל משתנים מקריים ולמידת קדימון (prior) אינפורמטיבי על פני משימות אימון רבות, השיטה מייצרת הערכות אי-ודאות מכוילות (calibrated) לצד תחזיות — יתרון מרכזי על פני לומדי-מעט-דוגמאות דטרמיניסטיים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/he/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.
- למידת העברה בייסיאניתלמידת מכונה↔ compare
- למידת מעט דוגמאותלמידת מכונה↔ compare
- תהליך גאוסילמידת מכונה↔ compare
- למידה מועטה-דגימות עם פיקוח-למחצהלמידת מכונה↔ compare
- Transfer Learningלמידת מכונה↔ compare