Bajezijsko učenje iz malog broja primera
Bajezijsko učenje iz malog broja primera (Bayesian few-shot learning) kombinuje Bajezijsko zaključivanje sa meta-učenjem kako bi se omogućilo modelu da generalizuje na osnovu samo jednog do pet obeleženih primera po klasi. Tretirajući parametre specifične za zadatak kao slučajne promenljive i učeći informativni prior na mnogim zadacima obuke, metoda proizvodi kalibrisane procene nesigurnosti uz predviđanja — što je ključna prednost u odnosu na determinističke modele učenja iz malog broja primera.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Few-Shot Learning (Meta-Learning with Bayesian Inference). ScholarGate. https://scholargate.app/sr/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.
- Bejzijansko prenosno učenjeMašinsko učenje↔ compare
- Učenje sa malo primera (Few-shot Learning)Mašinsko učenje↔ compare
- Gausov procesMašinsko učenje↔ compare
- Polu-nadgledano učenje sa malo primera (Semi-supervised Few-shot Learning)Mašinsko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →