- 博客(2)
- 收藏
- 关注
RSS订阅原创 小样本学习--few-shot learning
小样本机器学习的本质是：经验风险最小值点◆不可靠。可以从三个角度考虑解决方法：数据、模型和算法，即从数据角度基于先验知识增加标签数据数量，从模型角度基于先验知识限制假设空间的复杂度，从算法角度基于先验知识设计在假设空间中搜索算法（图1）。数据、模型和算法是相辅相成的。出版专著：《小样本机器学习Python算法与实践》解决痛点：垂直领域小样本问题、人工智能落地问题。作者：垂直领域人工智能工程师。
2024-05-19 06:41:42
179
原创 人工智能和小样本问题
机器学习坚持“数据为王”的理念，包括数据预处理（归一化、标准化、数据清洗和数据编码）、特征提取和转换（图像特征提取、傅里叶变换和信号稀疏表示）、数据降维和数据聚类（降维算法、特征选择和特征溯源）。借助百度公司的PaddleFSL算法包主要介绍了基于度量的元学习算法(孪生神经网络模型、匹配网络、原型网络和关系网络)；基于深度学习的半监督(基于生成模型的半监督(半监督GANs和半监督VAE)、一致性约束方法、伪标签方法和综合方法)。单一算法(决策树、KNN、逻辑回归、支持向量机和朴素贝叶斯等)；
2024-05-04 15:03:41
401
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人