Catatan bukti metode
Online Few-shot Learning
Online Few-shot Learning combines the streaming update principle of online learning with the data-efficiency goal of few-shot learning, enabling a model to continuously adapt to new tasks or classes from only a handful of labeled examples as data arrives sequentially — without access to the full historical dataset.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels)
Catatan metode taksonomi · ml-model / machine-learning
- Finn, C., Rajeswaran, A., Kakade, S., & Levine, S. (2019). Online Meta-Learning. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1920–1930. · URL
- Javed, K., & White, M. (2019). Meta-Learning Representations for Continual Learning. Advances in Neural Information Processing Systems (NeurIPS), 32. · URL
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Belum ada klaim yang dikurasi
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.