![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
小样本学习
文章平均质量分 83
liuzhengjun3036
这个作者很懒,什么都没留下…
展开
-
梳理“自监督算法”(一)
摘录以下文章:自监督学习 | (1) Self-supervised Learning入门_sdu_hao的博客-CSDN博客_自监督学习自监督学习 | (2) 一文读懂 Self-Supervised Learning_sdu_hao的博客-CSDN博客【自监督学习】Self-supervised Learning 再次入门自监督学习(Self-supervised Learning)的深刻理解_刘望的博客-CSDN博客自监督学习(Self-Supervised Learning) 201原创 2021-10-25 11:33:15 · 2102 阅读 · 0 评论 -
理解《Charting the Right Manifold: Manifold Mixup for Few-shot Learning》
摘要:小样本学习算法目标是学习模型参数,使其能够适应于少量有标签的未见类样本分类。最近,正则化方法——流形混合算法(Manifold Mixup),集中于学习广泛的表示,以适应数据分布的小变化;另一方面,自监督学习是仅利用数据内在结构学习语义特征。针对小样本任务,本文利用自监督和正则化技术,研究学习相关特征流形。注释:流形混合算法(Manifold Mixup)作用是使网络对输入数据进行变换/嵌入后,更加平滑和均匀,从而使得系统的泛化性能得到改善。小样本学习的前提是训练样本集有大量样本,目标是解.原创 2021-09-12 15:28:48 · 1970 阅读 · 0 评论 -
样本统计梳理
1.最大后验概率估计(MAP)概率是已知模型和参数(生成数据的过程),推数据(结果)。 统计是已知数据(结果),推模型和参数(生成数据的过程)。1.1 贝叶斯理论(Bayes’ Theorem)贝叶斯统计:参数是未知且不确定,作为随机变量,参数本身也是一个分布,同时,根据已有的信息可以得到参数θ的先验概率,根据先验概率来推断θ的后验概率。贝叶斯如下式:贝叶斯公式就是在描述,你有多大把握能相信一件证据;做判断的时候,要考虑所有的因素1.2 似然函数(likelihood fu...转载 2021-09-02 11:19:05 · 497 阅读 · 0 评论 -
梳理《Leveraging the Feature Distributionin Transfer-based Few-Shot Learning》
论文下载路径:https://arxiv.org/abs/2006.03806代码下载路径:https://github.com/yhu01/PT-MAP摘要:由于使用少量有标签样本导致不确定,使得小样本分类成为挑战难题。在过去几年里,提出了许多方法解决小样本分类,其中基于迁移方法被证实是性能最好的。沿着该脉络,本文针对两点提出新的迁移方法:1)预处理特征向量以至于它们更接近“类高斯分布”;2)借助预处理,使用最优化迁移思想的算法(直推(transdutive)情况下)。使用标准视觉基准,证实了..原创 2021-09-15 08:23:27 · 1194 阅读 · 1 评论