Few-shot learning
term_id: few_shot_learning
Category: training_techniques
Definition
Few-shot learning syftar till att möjliggöra för modeller att generalisera från endast ett fåtal exempel, vilket efterliknar mänsklig inlärningseffektivitet. Det förlitar sig vanligtvis på meta-inlärningsstrategier, där en modell tränas på…
Summary
Few-shot learning är en paradigm inom maskininlärning där modeller lär sig nya koncept från mycket begränsad märkt träningsdata.
Key Concepts
- Meta-inlärning
- Dataeffektivitet
- Generalisering
- Uppgiftsanpassning
Use Cases
- Identifiering av sällsynta sjukdomar
- Kategorisering av nya produkter
- Detektion av anpassade objekt