小样本学习（Few-shot Learning）与元学习(meta-learning)初步
元学习初步 1998年，Thrun和Pratt指出，对于一个指定的任务，一个算法“如果随着经验的增长，在该任务上的表现得到改进”，则认为该算法能够学习。 与此同时，对于一族待解决的多个任务，一个算法“如果随着经验和任务数量的增长，在每个任务上的表现得到改进”，则认为该算法能够学习如何学习，我们将后者称为元学习算法。它不学习如何解决一个特定的问题，但可以成功学习如何解决多个任务。每当它学会解决一个新
相关文章
- 1. 初探小样本学习（Few-shot Learning）
- 2. 元学习与小样本学习理解 Meta learning and Few shot learning
- 3. 【转载】 小样本学习-元学习
- 4. Few-shot learning（少样本学习）和 Meta-learning（元学习）概述
- 5. 初识元学习-Meta learning
- 6. 小样本学习（Few-shot Learning）综述
- 7. 小样本学习 few-shot learning
- 8. 小样本学习：few-shot learning
- 9. 小样本学习(Few-Shot Learning)
- 10. 小样本学习
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • 适用于PHP初学者的学习线路和建议
- • Kotlin学习（二）基本类型
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章