![](https://cdn-ak-scissors.b.st-hatena.com/image/square/2bd4e8b9b7c4678b381344646acd30c4e85a8c64/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9RmV3LXNob3QlMjBMZWFybmluZyVFMyU4MSVBOCVFMyU4MSVBRiVFNCVCRCU5NSVFMyU4MSVBQSVFMyU4MSVBRSVFMyU4MSU4QiVFMyU4MCU5MEdlbmVyYWxpemluZyUyMGZyb20lMjBhJTIwZmV3JTIwZXhhbXBsZXMlM0ElMjBBJTIwc3VydmV5JTIwb24lMjBmZXctc2hvdCUyMGxlYXJuaW5nJUUzJTgwJTkxJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz02NGVlMTQyZjVmN2ZjYzIwZWNkNDQwZjcxNGFkNTJlYQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBlbGwmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWMzODJjZjMzOWY0MDA4NGMxMzcyYmYxMzg4ZGY5ZTkx%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dfe5000ec913b82de54d1f35e6ccc200e)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Few-shot Learningとは何なのか【Generalizing from a few examples: A survey on few-shot learning】 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Few-shot Learningとは何なのか【Generalizing from a few examples: A survey on few-shot learning】 - Qiita
Table 1と比較して、Table 2では、事前知識と書かれた欄が追加されている。Eには、Tに直接関連する教師... Table 1と比較して、Table 2では、事前知識と書かれた欄が追加されている。Eには、Tに直接関連する教師あり情報を持ついくつかのサンプルしか含まれていないので、一般的な教師あり学習アプローチがFSL問題でしばしば失敗するのは当然のことである。したがって、FSL法は、Eの利用可能な教師情報を、「学習者が例を見る前に未知の関数について持っている情報」である事前知識と組み合わせることで、目標Tの学習を可能にする [86] 。 FSLの利点は以下のようにまとめられる。 人間のように学習するためのテストベッドとしての役割 レアケースのための学習 データ収集の労力と計算コストの削減 ※ Eに教師あり情報を持つ例が1つしかない場合、FSLはOne-shot learningと呼ばれる [14, 35, 138] 。Eが対象Tに対して教師あり情報を持つサンプルを含まない場合、 FSLはZero-s