北京网站设计公司兴田德润信任高,上海做网站多少钱,长沙网站建设平台,河南造价信息网官网0 提纲 小样本学习问题数据增强基于模型的小样本学习基于算法的小样本学习相关资源1 小样本学习问题
在小样本监督分类中，通常将问题表述为 N-way-K-shot分类， 当K = 1，称为one-shot learning；当K = 0时，成为zero-shot learning（ZSL）。ZSL就要求学习的问题具备充足的先…0 提纲
小样本学习问题数据增强基于模型的小样本学习基于算法的小样本学习相关资源1 小样本学习问题
在小样本监督分类中，通常将问题表述为 N-way-K-shot分类，
当K = 1，称为one-shot learning；当K = 0时，成为zero-shot learning（ZSL）。ZSL就要求学习的问题具备充足的先验知识，例如wordNet，word embedding等；K比较小，FSL(few shot learning)。1.1 与其它学习的关系：
弱监督学习：不完全监督、不确切监督、不精确监督；非平衡学习；迁移学习：如果把目标领域的学习看作是小样本学习，把源领域的知识看成是先验知识，那么迁移学习就是小样本学习；元学习。1.2 各个领域的小样本学习：
图像方面的小样本分类已经有较多性能优异的算法模型；文本方面的小样本分类仍不尽人意；网络安全方面的小样本也很难于解决。1.3 PAC(probably approximate correct)计算学习理论
从假设空间H学习一个好的h，好的假设h，满足两个条件： (1) 近似正确：存在一个很小的数 0 ϵ 1 0\epsilon1 0ϵ1, 使得泛化误差 E ( h ) ≤ ϵ E(h) \leq \epsilon E(h)≤ϵ； (2) 可能正确：给定一个值 0 δ 1 0\delta1 0δ1，
