Few-shot learning(少样本学习)和 Meta-learning(元学习)概述 2020-11-17 w, wt 评论关闭 948次浏览 文章目录 目录 目录 (一)Few-shot learning(少样本学习) 1. 问题定义 2. 解决方法 2.1 数据增强和正则化 2.2 Meta-learning(元学习) (二)Meta-learning(元学习) 1. 学习微调 (Learning to Fine-Tune) 2. 基于 RNN 的记忆 (RNN Memory Based) 3.度量学习 (Metric Learning) 4.方法简单比较 5.未来方向 5.1 更好的 meta-learning 方法 5.2 meta-learning 的应用 (三)论文链接 转载自原文链接, 如需删除请联系管理员。 原文链接:Few-shot learning(少样本学习)和 Meta-learning(元学习)概述,转载请注明来源! 赞 0 分享到: 【上一篇】中国在全世界人眼里应该是个仅次于朝鲜最为神奇的国家 【下一篇】python实现岗位薪资分析 相关推荐 * 【流量指标】PV UV VV LV等互联网数据术语 * 2019工程伦理慕课答案(2019秋)习题及期末答案 * 羽毛球线选择--BG65,BG80,BG65Ti,NBG 95 * Barbecue 条形码 * 完美释放实例变量的内存,定义成宏的形式