IBM Research Lab in Haifa 的 Joseph Shtok 公开了一份关于小样本学习的tutorial,详细阐述了解决小样本学习任务的方法和最近的论文。在小样本学习框架中,一些学习任务,比如分类、检测,每个类别都只用了很少的样本,同时依赖于无关的大的离线数据集。
编译:Xiaowen
【小样本学习方法及论文讲解PPT便捷下载】
请关注专知公众号(点击上方蓝色专知关注)
后台回复“IBM小样本学习”就可以获取《小样本学习state of the art》的PPT下载链接~
问题陈述:
给定任务
问题陈述:
分类问题
问题陈述:
检测问题
问题陈述:
回归问题
为什么要进行小样本学习?
1. 让深度学习更接近真实世界案例
2. 它涉及到一系列令人兴奋的尖端技术
小样本学习
元学习
循环元学习器
优化器
度量学习
样本合成
分类任务的合成器优化
更多增强方法
生成式对抗网络增强
作者的观点
-END-
专 · 知
专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!
请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~
专知《深度学习:算法到实战》课程全部完成!530+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!
点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程