Pembelajaran Bayesian Sedikit Contoh (Bayesian Few-Shot Learning)
Pembelajaran Bayesian sedikit contoh menggabungkan inferens Bayesian dengan pembelajaran meta untuk membolehkan model mengitlak daripada serendah satu hingga lima contoh berlabel setiap kelas. Dengan melayan parameter khusus tugas sebagai pembolehubah rawak dan mempelajari prior yang bermaklumat merentasi banyak tugas latihan, kaedah ini menghasilkan anggaran ketidakpastian yang terkalibrasi bersama ramalan — kelebihan utama berbanding pelatih sedikit contoh yang deterministik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Gordon, J., Bronskill, J., Bauer, M., Nowozin, S. & Turner, R. E. (2019). Meta-Learning Probabilistic Inference for Prediction. International Conference on Learning Representations (ICLR 2019). link ↗
- Finn, C., Xu, K. & Levine, S. (2018). Probabilistic Model-Agnostic Meta-Learning. Advances in Neural Information Processing Systems (NeurIPS 2018), 31. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/ms/machine-learning/bayesian-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.
- Pembelajaran Pindahan BayesianPembelajaran Mesin↔ compare
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Gaussian ProcessPembelajaran Mesin↔ compare
- Semi-supervised Few-shot LearningPembelajaran Mesin↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →