Mësimi me pak shembuj
Mësimi me pak shembuj (Few-shot learning) është një paradigmë e mësimit automatik që trajnon modele për të njohur klasa të reja ose për të zgjidhur detyra të reja nga vetëm një grusht shembujsh të etiketuar — zakonisht një deri në pesë — duke shfrytëzuar njohuritë paraprake të fituara nga një shpërndarje e madhe, e lidhur trajnimi. Është veçanërisht e rëndësishme në domene ku etiketimi është i shtrenjtë, i pakët ose i kufizuar strukturalisht.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Burimet
- Vinyals, O., Blundell, C., Lillicrap, T., Wierstra, D., & Kavukcuoglu, K. (2016). Matching Networks for One Shot Learning. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Finn, C., Abbeel, P., & Levine, S. (2017). Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks. Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70:1126–1135. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Few-shot Learning (Meta-learning with Limited Labeled Examples). ScholarGate. https://scholargate.app/sq/machine-learning/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.
- Mësimi i MetrikësMësimi i makinës↔ compare
- Mësimi i Vetë-MbikëqyrurMësimi i makinës↔ compare
- Mësimi Gjysmë i MbikëqyrurMësimi i makinës↔ compare
- Mësimi i TransferueshëmMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →