Few-shot Learning
Few-shot learning là một mô hình học máy huấn luyện các mô hình nhận dạng các lớp mới hoặc giải quyết các tác vụ mới chỉ từ một vài ví dụ có nhãn — thường là từ một đến năm — bằng cách tận dụng kiến thức trước đó thu được từ một phân phối huấn luyện lớn, có liên quan. Phương pháp này đặc biệt phù hợp trong các lĩnh vực mà việc gán nhãn tốn kém, khan hiếm hoặc bị giới hạn về cấu trúc.
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.
+17 more
Nguồn tài liệu
- Vinyals, O., Blundell, C., Lillicrap, T., Wierstra, D., & Kavukcuoglu, K. (2016). Matching Networks for One Shot Learning. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- Finn, C., Abbeel, P., & Levine, S. (2017). Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks. Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70:1126–1135. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Few-shot Learning (Meta-learning with Limited Labeled Examples). ScholarGate. https://scholargate.app/vi/machine-learning/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.
- Học đo lường (Metric Learning)Học máy↔ compare
- Học tăng cường tự giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Transfer LearningHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →