综述论文“Generalizing from a Few Examples: A Survey on Few-Shot Learning”
发表于arXiv2019年5月13号。 摘要：人工智能在数据密集型应用中取得了成功，但缺乏从有限的示例中学习的能力。为了解决这个问题，提出了“少量样本学习”（FSL，Few-Shot Learning）。它可以用先验知识从受监督的经验有限的新任务中快速得出结论。为了全面了解FSL，本文进行了一项调查研究。首先澄清FSL的正式定义。其中不可靠的经验风险最小化是FSL的核心问题。基于采用先验知识处理核
相关文章
- 1. A Survey on Few-Shot Learning | Introduction and Overview
- 2. 文本分类综述-A Survey on Text Classification: From Shallow to Deep Learning
- 3. 【论文笔记】Deep Learning on Graphs: A Survey
- 4. A Survey on Transfer Learning
- 5. 论文笔记 —— 《A Survey on Transfer Learning》
- 6. 论文阅读：A Survey on Transfer Learning
- 7. Deep Learning on Graphs: A Survey论文笔记
- 8. A Survey of Few-Shot Learing | Data
- 9. 综述论文“A Survey of Zero-Shot Learning: Settings, Methods, and Applications”
- 10. 【论文阅读】【综述】Deep Learning for 3D Point Clouds: A Survey
- 更多相关文章...
- • XPath Examples - XPath 教程
- • CAP理论是什么？ - NoSQL教程
- • Java Agent入门实战（二）-Instrumentation源码概述
- • Scala 中文乱码解决
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
- 1. A Survey on Few-Shot Learning | Introduction and Overview
- 2. 文本分类综述-A Survey on Text Classification: From Shallow to Deep Learning
- 3. 【论文笔记】Deep Learning on Graphs: A Survey
- 4. A Survey on Transfer Learning
- 5. 论文笔记 —— 《A Survey on Transfer Learning》
- 6. 论文阅读：A Survey on Transfer Learning
- 7. Deep Learning on Graphs: A Survey论文笔记
- 8. A Survey of Few-Shot Learing | Data
- 9. 综述论文“A Survey of Zero-Shot Learning: Settings, Methods, and Applications”
- 10. 【论文阅读】【综述】Deep Learning for 3D Point Clouds: A Survey