《少样本学习FSL》（2020年最新综述论文）

【文件属性】：
文件名称：《少样本学习FSL》（2020年最新综述论文）
文件大小：18.64MB
文件格式：PDF
更新时间：2020-09-13 16:58:14
少样本学习 综述 少样本学习(FSL)在机器学习领域具有重要意义和挑战性。成功地从很少的样本中学习和归纳的能力是区分人工智能和人类智能的一个明显的界限，因为人类可以很容易地从一个或几个例子中建立他们对新颖性的认知，而机器学习算法通常需要数百或数千个监督样本来保证泛化能力。