Uczenie z niewielką liczbą przykładów w trybie online
Uczenie z niewielką liczbą przykładów w trybie online łączy zasadę strumieniowej aktualizacji uczenia online z celem efektywności danych uczenia z niewielką liczbą przykładów, umożliwiając modelowi ciągłe dostosowywanie się do nowych zadań lub klas na podstawie zaledwie kilku oznakowanych przykładów w miarę napływania danych sekwencyjnie — bez dostępu do pełnego historycznego zbioru danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels). ScholarGate. https://scholargate.app/pl/machine-learning/online-few-shot-learning
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Uczenie z niewielką liczbą przykładówUczenie maszynowe↔ porównaj
- Uczenie onlineUczenie maszynowe↔ porównaj
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ porównaj
- Uczenie transferoweUczenie maszynowe↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →