Ensemble Few-Shot Tanulás
Az Ensemble Few-Shot Learning több kevés példaszámból tanuló (few-shot) modellt – mint például prototipikus hálózatok vagy embedding alapú tanulók – kombinálva képes új osztályokat osztályozni mindössze egy-néhány címkézett példányból. Az alapul szolgáló tanulók közötti sokféleség kikényszerítésével és predikcióik összesítésével az ensemble (együttes) a súlyos címkeszegénység esetén különösen a pontosságban és robusztusságban felülmúlja az egyes kevés példaszámból tanuló modelleket.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/hu/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.
- BoostingGépi tanulás↔ compare
- Few-shot LearningGépi tanulás↔ compare
- Félfelügyelt kevésmintás tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
- Voting EnsembleGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →