Generalizing from a Few Examples

计算机科学 分类 机器学习 人工智能 集合(抽象数据类型) 芯(光纤) 空格(标点符号) 点(几何) 数据科学 几何学 数学 电信 操作系统 程序设计语言
作者
Yaqing Wang,Quanming Yao,James T. Kwok,Lionel M. Ni
出处
期刊:ACM Computing Surveys [Association for Computing Machinery]
卷期号:53 (3): 1-34 被引量:1243
标识
DOI:10.1145/3386252
摘要

Machine learning has been highly successful in data-intensive applications but is often hampered when the data set is small. Recently, Few-shot Learning (FSL) is proposed to tackle this problem. Using prior knowledge, FSL can rapidly generalize to new tasks containing only a few samples with supervised information. In this article, we conduct a thorough survey to fully understand FSL. Starting from a formal definition of FSL, we distinguish FSL from several relevant machine learning problems. We then point out that the core issue in FSL is that the empirical risk minimizer is unreliable. Based on how prior knowledge can be used to handle this core issue, we categorize FSL methods from three perspectives: (i) data, which uses prior knowledge to augment the supervised experience; (ii) model, which uses prior knowledge to reduce the size of the hypothesis space; and (iii) algorithm, which uses prior knowledge to alter the search for the best hypothesis in the given hypothesis space. With this taxonomy, we review and discuss the pros and cons of each category. Promising directions, in the aspects of the FSL problem setups, techniques, applications, and theories, are also proposed to provide insights for future research. 1
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
热心雅阳完成签到 ,获得积分10
刚刚
奇拉维特完成签到 ,获得积分10
4秒前
典雅的夜安完成签到,获得积分10
6秒前
连难胜完成签到 ,获得积分10
7秒前
qupei完成签到 ,获得积分10
7秒前
高高的天亦完成签到 ,获得积分10
7秒前
K珑完成签到,获得积分10
8秒前
微纳组刘同完成签到,获得积分10
9秒前
秋意浓关注了科研通微信公众号
9秒前
Clarissa完成签到,获得积分10
9秒前
栗荔完成签到 ,获得积分10
11秒前
Katsura完成签到,获得积分10
13秒前
HMZ完成签到,获得积分10
14秒前
刘老哥6完成签到,获得积分10
21秒前
-Me完成签到 ,获得积分10
21秒前
24秒前
吹梦西洲完成签到 ,获得积分10
25秒前
wanglu完成签到,获得积分10
26秒前
默默的依凝完成签到,获得积分10
28秒前
DanaLin完成签到,获得积分10
29秒前
晓晨完成签到 ,获得积分10
30秒前
30秒前
田様应助阳光的草丛采纳,获得10
31秒前
好好好完成签到 ,获得积分10
31秒前
李明发布了新的文献求助10
31秒前
顾陌发布了新的文献求助10
35秒前
淡淡的凝冬完成签到,获得积分10
37秒前
明月清风完成签到,获得积分10
37秒前
赘婿应助李明采纳,获得10
40秒前
wxyinhefeng完成签到 ,获得积分10
41秒前
44秒前
简单初曼完成签到,获得积分10
44秒前
44秒前
阳光万声完成签到 ,获得积分10
47秒前
www完成签到 ,获得积分10
49秒前
David发布了新的文献求助10
49秒前
威武的捕完成签到,获得积分10
49秒前
50秒前
飞龙在天发布了新的文献求助10
51秒前
小栩完成签到 ,获得积分10
51秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137101
求助须知:如何正确求助?哪些是违规求助? 2788086
关于积分的说明 7784523
捐赠科研通 2444109
什么是DOI,文献DOI怎么找? 1299758
科研通“疑难数据库(出版商)”最低求助积分说明 625574
版权声明 601011