Glossário IA
O dicionário completo da Inteligência Artificial
Redes Prototípicas
Arquitetura de few-shot learning que aprende um espaço métrico onde as classes são representadas por protótipos calculados como a média dos embeddings dos exemplos de suporte.
Treinamento por Episódios
Estratégia de treinamento em few-shot learning onde cada episódio simula uma tarefa de few-shot com um conjunto de suporte e um conjunto de consulta para imitar as condições de teste.
Conjunto de Suporte
Conjunto de exemplos rotulados fornecidos ao modelo durante a inferência para ajudá-lo a entender e classificar novas classes com muito poucos exemplos disponíveis.
Conjunto de Consulta
Conjunto de exemplos não rotulados que o modelo deve classificar usando o conhecimento adquirido a partir do conjunto de suporte durante a avaliação few-shot.
Aprendizagem Métrica
Campo de aprendizado de máquina que visa aprender uma função de distância ou similaridade que aproxima exemplos semelhantes e afasta os diferentes, fundamental em few-shot learning.
One-Shot Learning
Caso extremo do few-shot learning onde o modelo deve aprender a reconhecer novas classes a partir de um único exemplo por classe durante a inferência.
Redes de Relação
Arquitetura few-shot que aprende explicitamente uma função de comparação para medir a relação entre os exemplos de suporte e de consulta em um espaço de embedding.
Classes Base
Categorias de treinamento com muitos exemplos disponíveis usadas para pré-treinar o modelo antes da adaptação few-shot às novas classes.
Novel Classes
Novas classes com poucos ou nenhum exemplo que o modelo deve aprender a reconhecer durante a fase de teste em few-shot learning.
Cross-Domain Few-Shot
Variante do few-shot learning onde as classes alvo provêm de um domínio diferente das classes de treinamento, apresentando um desafio de transferência mais complexo.
Feature Embedding
Representação vetorial de baixa dimensão dos dados de entrada que captura as características semânticas essenciais, crucial para a comparação em few-shot learning.
Matching Networks
Arquitetura few-shot que utiliza um mecanismo de atenção para comparar cada exemplo de consulta a todos os exemplos de suporte e gerar uma previsão ponderada.
Task-Agnostic Pretraining
Fase de pré-treinamento onde o modelo aprende representações gerais sem conhecimento das tarefas few-shot específicas que encontrará mais tarde.
Adaptive Fine-Tuning
Técnica de adaptação rápida dos pesos do modelo com poucas iterações nos exemplos de suporte para se adaptar às novas classes em few-shot learning.
Hierarchical Few-Shot
Abordagem few-shot que explora as relações hierárquicas entre classes para melhorar a generalização quando poucos exemplos estão disponíveis.
Self-Supervised Few-Shot
Combinação do aprendizado auto-supervisionado com few-shot learning para melhorar as representações antes da adaptação às novas classes com poucos exemplos.