Mësimi gjysmë-mbikëqyrës me pak shembuj
Mësimi gjysmë-mbikëqyrës me pak shembuj (SS-FSL) trajnon modele për të klasifikuar klasa të reja nga vetëm një grusht shembuj të etiketuar për klasë, ndërkohë që njëkohësisht shfrytëzon një grup të dhënash të paetiketuara për të pasuruar përfaqësimet e klasave. Duke kombinuar episodet e meta-mësimit me caktimin e etiketave të buta pseudo për mostrat e paetiketuara, arrin një saktësi dukshëm më të lartë se metodat thjesht mbikëqyrëse me pak shembuj kur ka të dhëna të bollshme të paetiketuara.
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.
Burimet
- Ren, M., Triantafillou, E., Ravi, S., Snell, J., Swersky, K., Tenenbaum, J. B., Larochelle, H., & Zemel, R. S. (2018). Meta-learning for semi-supervised few-shot classification. In International Conference on Learning Representations (ICLR 2018). link ↗
- Finn, C., Abbeel, P., & Levine, S. (2017). Model-agnostic meta-learning for fast adaptation of deep networks. In Proceedings of the 34th International Conference on Machine Learning (ICML 2017), PMLR 70, 1126–1135. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Semi-supervised Few-shot Learning (SS-FSL). ScholarGate. https://scholargate.app/sq/machine-learning/semi-supervised-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 me pak shembujMësimi 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 →