Học tăng cường vài mẫu theo phương pháp tổ hợp (Ensemble Few-Shot Learning)
Học tăng cường vài mẫu theo phương pháp tổ hợp (Ensemble Few-Shot Learning) kết hợp nhiều mô hình vài mẫu — như mạng nguyên mẫu (prototypical networks) hoặc bộ học nhúng (embedding learners) — để phân loại các lớp mới chỉ từ một đến một vài ví dụ đã được gán nhãn. Bằng cách thúc đẩy sự đa dạng giữa các bộ học cơ sở và tổng hợp các dự đoán của chúng, phương pháp tổ hợp này liên tục vượt trội hơn bất kỳ mô hình vài mẫu đơn lẻ nào về độ chính xác và tính mạnh mẽ, đặc biệt trong điều kiện thiếu hụt nhãn nghiêm trọng.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/vi/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.
- BoostingHọc máy↔ compare
- Few-shot LearningHọc máy↔ compare
- Học tăng cường bán giám sát với ít mẫu (Semi-supervised Few-shot Learning)Học máy↔ compare
- Transfer LearningHọc máy↔ compare
- Voting EnsembleHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →