利用论文深度剖析few-shot learning(少样本学习)中的way-shot问题

利用论文深度剖析few-shot learning(少样本学习)中的way-shot问题

---

---

前言

我们将利用一篇论文来中对way-shot的介绍来阐述我们的理解

---

一、论文出处

这篇论文来自One-Shot Fault Diagnosis ，其中我们摘抄其中的部分来进行分析。

二、论文中的 Meta-Learning-Based Few-Shot Learning

1.第一段–划分支持集S和查询集Q

元学习是小样本学习的一般范式，它涉及两个核心的过程：跨任务的迁移学习；以及快速适应新的任务。在元学习的训练过程中，从训练集中选择k个数据作为支持集S，q个数据作为查询集Q。如果训练样本包含c个类别，而支持集中的每个类别包含k个类别，那么就可以从训练集中选择k个数据作为支持集S，而q个数据作为查询集Q。支持集中的每个类别都包含有k个标签数据，那么这个小样本问题被称为c-way k-shot问题。当k=1时，这就是一次学习。

2.第二段–元任务

支持集S和查询集Q是从源域数据中提取的。支持集作为标记样本用于生成模型的原型特征，查询集作为训练样本用于更新模型；支持集和查询集组成一个元任务，多个元任务组成一个训练集。对于一个c-way k-shot问题，在训练阶段，在训练集中随机选择c个类别。从每个类别中选择k个样本（共kc个数据）来构建一个元任务，作为模型的支持集（m = kc）；然后，从这c个类别的剩余数据中选择一批样本作为查询集（n = q*c）来更新模型。

总结

以上就是今天要讲的内容，本文利用一篇论文中对于元学习中支持集，查询集，元任务的理解来阐述这些元学习的基本概念，大家要是有兴趣的话，欢迎大家留言点赞，有关于元学习的问题咱们一起讨论啊！！