Few-shot Learning
term_id: few_shot_learning
Category: training_techniques
Definition
Few-shot learning sigter mod at gøre det muligt for modeller at generalisere fra blot et håndfuld eksempler og efterligne menneskelig lærings effektivitet. Det er typisk afhængigt af meta-læringsstrategier, hvor en model trænes på mange opgaver for hurtigt at tilpasse sig nye.
Summary
Few-shot learning er en maskinlæringsparadigme, hvor modeller lærer nye koncepter fra meget begrænset mærket træningsdata.
Key Concepts
- Meta-læring
- Databrugbarhed
- Generalisering
- Opgavetilpasning
Use Cases
- Identifikation af sjældne sygdomme
- Kategorisering af nye produkter
- Detektion af tilpassede objekter