- 博客(2)
- 收藏
- 关注
RSS订阅翻译 2021-10-19
介绍 在某些应用中，充足的注释样本通常是费力的、昂贵的，甚至是不切实际的，例如，冷启动推荐[和药物发现。为了使人工智能系统具有类似人类的能力，少射击学习(FSL)成为一个重要而广泛研究的问题。 现有的FSL研究大致可分为四类： 即基于度量的方法、基于优化的方法、基于图的方法和基于语义的方法。尽管他们的方法完全不同，但几乎所有的方法都通过两阶段的元学习框架来解决FSL问题。、meta- training和meta-test阶段。 最近，Chenet al发现，引入一个额外训练阶段可以显著提高表现。该方法首
2021-10-20 13:15:18
50
原创 2021-09-08
梯度消亡的解决方案 采用不使用梯度的网络训练方法：https://link.springer.com/article/10.1007/s10898-012-9951-y(Derivative- free optimization: a review of algorithms and comparison of software implementa 基于遗传、进化算法 粒子群优化算法 过拟合 过拟合就是训练时的表现特别好，但是网络并没有学到一个好的解决问题的方法，导致测试时的结果反而特别差。 过拟合
2021-09-09 14:55:51
98
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