Online Few-shot Learning
Online Few-shot Learning kombinerer strømoppdateringsprinsippet fra online læring med målet om dataeffektivitet fra few-shot læring, noe som gjør at en modell kontinuerlig kan tilpasse seg nye oppgaver eller klasser fra bare en håndfull merkede eksempler etter hvert som data ankommer sekvensielt — uten tilgang til hele det historiske datasettet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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. link ↗
- Javed, K., & White, M. (2019). Meta-Learning Representations for Continual Learning. Advances in Neural Information Processing Systems (NeurIPS), 32. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels). ScholarGate. https://scholargate.app/no/machine-learning/online-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.
- Få-skudds læringMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →