Učenje na malom broju primjera s pojačanjem (Ensemble Few-Shot Learning)
Učenje na malom broju primjera s pojačanjem kombinira više modela za učenje na malom broju primjera — poput prototipskih mreža ili učenika za ugradnju — za klasifikaciju novih klasa iz samo jednog do šačice označenih primjera. Namećući raznolikost među baznim učenicima i agregirajući njihove predikcije, ansambl dosljedno nadmašuje bilo koji pojedinačni model za učenje na malom broju primjera u točnosti i robusnosti, osobito pri jakim oskudicama oznaka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/hr/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.
- BoostingStrojno učenje↔ compare
- Učenje s malo primjeraStrojno učenje↔ compare
- Polu-nadgledano učenje s malo primjeraStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
- Glasački sklopStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →