Ансамблеве навчання з малою кількістю прикладів
Ансамблеве навчання з малою кількістю прикладів поєднує кілька моделей для навчання з малою кількістю прикладів — таких як прототипні мережі або вбудовувальні учні — для класифікації нових класів лише з одного або кількох мічених прикладів. Забезпечуючи різноманітність між базовими учнями та агрегуючи їхні прогнози, ансамбль стабільно перевершує будь-яку окрему модель для навчання з малою кількістю прикладів за точністю та стійкістю, особливо за сильної нестачі міток.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/uk/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.
- БустингМашинне навчання↔ compare
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Напівкероване навчання з малою кількістю прикладівМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
- Голосувальний ансамбльМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →