अर्ध-पर्यवेक्षित अल्प-उदाहरण अधिगम
अर्ध-पर्यवेक्षित अल्प-उदाहरण अधिगम (SS-FSL) मॉडल को प्रति वर्ग कुछ लेबल वाले उदाहरणों से नए वर्गों को वर्गीकृत करने के लिए प्रशिक्षित करता है, साथ ही वर्ग अभ्यावेदन को समृद्ध करने के लिए बिना लेबल वाले डेटा के एक पूल का लाभ उठाता है। मेटा-लर्निंग एपिसोड को बिना लेबल वाले नमूनों के लिए सॉफ्ट स्यूडो-लेबल असाइनमेंट के साथ मिलाकर, यह प्रचुर मात्रा में बिना लेबल वाले डेटा उपलब्ध होने पर विशुद्ध रूप से पर्यवेक्षित अल्प-उदाहरण विधियों की तुलना में काफी अधिक सटीकता प्राप्त करता 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
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Few-shot Learning (SS-FSL). ScholarGate. https://scholargate.app/hi/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.
- फ्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- स्व-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare