Онлайн-обучение с малым количеством примеров
Онлайн-обучение с малым количеством примеров (Online Few-shot Learning) сочетает принцип потокового обновления онлайн-обучения с целью повышения эффективности использования данных в обучении с малым количеством примеров, позволяя модели непрерывно адаптироваться к новым задачам или классам на основе всего лишь нескольких размеченных примеров по мере поступления данных последовательно — без доступа ко всему историческому набору данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Online Few-shot Learning (Streaming Meta-Learning from Scarce Labels). ScholarGate. https://scholargate.app/ru/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.
- Обучение на малом числе примеров (Few-shot Learning)Машинное обучение↔ compare
- Онлайн-обучениеМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →