Bayesian Few-Shot Learning
Bayesian few-shot learning kombinuje bayesovskú inferenciu s meta-learningom, aby umožnil modelu generalizovať už z jedného až piatich označených príkladov na triedu. Tým, že sa parametre špecifické pre úlohu považujú za náhodné premenné a učí sa informatívny prior naprieč mnohými tréningovými úlohami, metóda produkuje kalibrované odhady neistoty popri predikciách — čo je kľúčová výhoda oproti deterministickým few-shot learnerom.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/sk/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.
- Bayesovské prenosové učenieStrojové učenie↔ compare
- Few-shot LearningStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- Polosupervizované učenie s malým počtom príkladovStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →