Uczenie zespołowe z małą liczbą przykładów (Ensemble Few-Shot Learning)

Uczenie zespołowe z małą liczbą przykładów (Ensemble Few-Shot Learning) łączy wiele modeli few-shot — takich jak sieci prototypowe lub uczące się osadzania (embedding learners) — w celu klasyfikowania nowych klas na podstawie zaledwie od jednego do kilku oznakowanych przykładów. Dzięki wymuszaniu różnorodności wśród uczących się modeli bazowych i agregowaniu ich przewidywań, zespół konsekwentnie przewyższa każdy pojedynczy model few-shot pod względem dokładności i odporności, zwłaszcza w warunkach poważnego niedoboru etykiet.