Apprendimento bayesiano con pochi esempi (Bayesian Few-Shot Learning)

L'apprendimento bayesiano con pochi esempi combina l'inferenza bayesiana con il meta-apprendimento per consentire a un modello di generalizzare da un numero esiguo di esempi etichettati per classe, tipicamente da uno a cinque. Trattando i parametri specifici del compito come variabili casuali e apprendendo un "prior" informativo attraverso molti compiti di addestramento, il metodo produce stime di incertezza calibrate insieme alle previsioni, un vantaggio chiave rispetto agli apprenditori "few-shot" deterministici.