बायेसियन फ़्यू-शॉट लर्निंग (Bayesian Few-Shot Learning)
बायेसियन फ़्यू-शॉट लर्निंग, बायेसियन अनुमान (Bayesian inference) को मेटा-लर्निंग (meta-learning) के साथ जोड़ती है ताकि किसी मॉडल को प्रति वर्ग केवल एक से पाँच लेबल वाले उदाहरणों से सामान्यीकरण (generalize) करने में सक्षम बनाया जा सके। कार्य-विशिष्ट मापदंडों (task-specific parameters) को यादृच्छिक चर (random variables) मानकर और कई प्रशिक्षण कार्यों (training tasks) में एक सूचनात्मक पूर्व (informative prior) सीखकर, यह विधि भविष्यवाणियों के साथ-साथ अंशांकित अनिश्चितता अनुमान (calibrated uncertainty estimates) उत्पन्न करती है — जो नियतात्मक फ़्यू-शॉट शिक्षार्थियों (deterministic few-shot learners) पर एक प्रमुख लाभ है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/hi/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.
- बायेसियन ट्रांसफर लर्निंगमशीन अधिगम↔ compare
- फ्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- गॉसियन प्रक्रियामशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित अल्प-उदाहरण अधिगममशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare