Aprendizagem Bayesiana de Poucos Exemplos
A aprendizagem bayesiana de poucos exemplos combina inferência bayesiana com meta-aprendizagem para permitir que um modelo generalize a partir de apenas um a cinco exemplos rotulados por classe. Ao tratar parâmetros específicos da tarefa como variáveis aleatórias e aprender um prior informativo em muitas tarefas de treinamento, o método produz estimativas de incerteza calibradas juntamente com as previsões — uma vantagem chave sobre aprendizes determinísticos de poucos exemplos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/pt/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.
- Aprendizagem por Transferência BayesianaAprendizado de máquina↔ compare
- Aprendizado com Poucos ExemplosAprendizado de máquina↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Aprendizagem Semi-supervisionada de Poucos ExemplosAprendizado de máquina↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →