Învățare Bayesiană cu Puține Exemple (Few-Shot Learning)
Învățarea Bayesiană cu puține exemple combină inferența Bayesiană cu meta-învățarea pentru a permite unui model să generalizeze de la doar unul până la cinci exemple etichetate per clasă. Prin tratarea parametrilor specifici sarcinii ca variabile aleatoare și prin învățarea unui prior informativ pe parcursul multor sarcini de antrenament, metoda produce estimări calibrate ale incertitudinii alături de predicții — un avantaj cheie față de învățarea cu puține exemple deterministă.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/ro/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.
- Învățare prin transfer bayesianăÎnvățare automată↔ compare
- Învățare cu puține exempleÎnvățare automată↔ compare
- Proces GaussianÎnvățare automată↔ compare
- Învățare semi-supervizată cu puține exemple (Semi-supervised Few-shot Learning)Învățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →