Učenje iz malog broja primera pomoću ansambla
Učenje iz malog broja primera pomoću ansambla (Ensemble Few-Shot Learning) kombinuje više modela za učenje iz malog broja primera — kao što su prototipske mreže ili ugrađeni učači (embedding learners) — za klasifikaciju novih klasa na osnovu samo jednog do nekoliko obeleženih primera. Primenom raznolikosti među osnovnim učačima i agregiranjem njihovih predviđanja, ansambl dosledno nadmašuje bilo koji pojedinačni model za učenje iz malog broja primera u pogledu tačnosti i robusnosti, posebno u uslovima ozbiljnog nedostatka obeleženih podataka.
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
- Dvornik, N., Schmid, C., & Mairal, J. (2019). Diversity with Cooperation: Ensemble Methods for Few-Shot Classification. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3716–3725. link ↗
- Wang, Y., Yao, Q., Kwok, J. T., & Ni, L. M. (2020). Generalizing from a Few Examples: A Survey on Few-Shot Learning. ACM Computing Surveys, 53(3), 1–34. DOI: 10.1145/3386252 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/sr/machine-learning/ensemble-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.
- BoostingMašinsko učenje↔ compare
- Učenje sa malo primera (Few-shot Learning)Mašinsko učenje↔ compare
- Polu-nadgledano učenje sa malo primera (Semi-supervised Few-shot Learning)Mašinsko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
- Glasački ansamblMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →