Few-shot Learning
A kevés példányos tanulás (few-shot learning) egy gépi tanulási paradigma, amely arra képezi a modelleket, hogy kevés számú címkézett példány – jellemzően egytől ötig – alapján ismerjenek fel új osztályokat vagy oldjanak meg új feladatokat, méghozzá egy nagy, kapcsolódó tanító eloszlásból szerzett előzetes tudás hasznosításával. Különösen releváns olyan területeken, ahol a címkézés költséges, ritka vagy szerkezetileg korlátozott.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Források
- Vinyals, O., Blundell, C., Lillicrap, T., Wierstra, D., & Kavukcuoglu, K. (2016). Matching Networks for One Shot Learning. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Finn, C., Abbeel, P., & Levine, S. (2017). Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks. Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70:1126–1135. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Few-shot Learning (Meta-learning with Limited Labeled Examples). ScholarGate. https://scholargate.app/hu/machine-learning/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.
- MetrikatanulásGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →