एन्सेम्बल फ्यू-शॉट लर्निंग (Ensemble Few-Shot Learning)
एन्सेम्बल फ्यू-शॉट लर्निंग कई फ्यू-शॉट मॉडलों को जोड़ती है — जैसे कि प्रोटोटाइपिकल नेटवर्क या एम्बेडिंग लर्नर — ताकि केवल एक से लेकर कुछ लेबल वाले उदाहरणों से नई क्लासों को वर्गीकृत किया जा सके। बेस लर्नर्स के बीच विविधता को लागू करके और उनकी भविष्यवाणियों को एकत्रित करके, एन्सेम्बल सटीकता और मजबूती में किसी भी एकल फ्यू-शॉट मॉडल से लगातार बेहतर प्रदर्शन करता है, खासकर गंभीर लेबल की कमी की स्थिति में।
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
- Dvornik, N., Schmid, C., & Mairal, J. (2019). Diversity with Cooperation: Ensemble Methods for Few-Shot Classification. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3716–3725. link ↗
- Wang, Y., Yao, Q., Kwok, J. T., & Ni, L. M. (2020). Generalizing from a Few Examples: A Survey on Few-Shot Learning. ACM Computing Surveys, 53(3), 1–34. DOI: 10.1145/3386252 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/hi/machine-learning/ensemble-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.
- बूस्टिंगमशीन अधिगम↔ compare
- फ्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित अल्प-उदाहरण अधिगममशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare
- मतदान एनसेंबलमशीन अधिगम↔ compare