Machine learningMachine learning
정규화된 소수샷 학습
정규화된 소수샷 학습은 가중치 감소, 드롭아웃, 데이터 증강, 레이블 스무딩 또는 다양체 제약과 같은 명시적인 정규화 메커니즘을 표준 소수샷 학습 파이프라인에 추가하여 각 에피소드를 정의하는 작은 지원 세트에 대한 과적합을 줄입니다. 이를 통해 클래스당 1~30개의 레이블이 지정된 예제만 사용 가능한 경우 더 일반화 가능한 모델을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Chen, W., Liu, Y., Kira, Z., Wang, Y. F., & Huang, J. (2019). A Closer Look at Few-Shot Classification. International Conference on Learning Representations (ICLR). link ↗
- Tian, Y., Wang, Y., Krishnan, D., Tenenbaum, J. B., & Isola, P. (2020). Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need? European Conference on Computer Vision (ECCV). link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Regularized Few-Shot Learning (Regularization-Enhanced Meta-Learning). ScholarGate. https://scholargate.app/ko/machine-learning/regularized-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.
- 퓨샷 학습머신러닝↔ compare
- 정규화된 전이 학습머신러닝↔ compare
- 자기 지도 학습머신러닝↔ compare
- 준지도 소수샷 학습머신러닝↔ compare
- 전이 학습머신러닝↔ compare