🏠 Accueil
基準測試
📊 Tous les Benchmarks 🦖 Dinosaure v1 🦖 Dinosaure v2 ✅ To-Do List Apps 🎨 Pages Libres 🎯 FSACB - Showcase 🌍 Traduction
Modèles
🏆 Top 10 Modèles 🆓 Modèles Gratuits 📋 Tous les Modèles ⚙️ Modes Kilo Code
Ressources
💬 Prompts IA 📖 人工智能詞彙表 🔗 Liens Utiles

AI 詞彙表

人工智能完整詞典

200
類別
2,608
子類別
30,011
術語
📖
術語

原型网络

小样本学习架构,学习一个度量空间,其中类别由原型表示,原型是作为支持样本嵌入的平均值计算得出的。

📖
術語

情节训练

小样本学习中的训练策略,其中每个情节模拟一个小样本任务,包含支持集和查询集以模仿测试条件。

📖
術語

支持集

在推理时提供给模型的一组有标签样本,帮助模型理解和分类可用样本极少的新类别。

📖
術語

查询集

模型在小样本评估时必须分类的一组无标签样本,使用从支持集获得的知识进行分类。

📖
術語

度量学习

机器学习领域,旨在学习距离或相似度函数,使相似样本接近,不同样本远离,是小样本学习的基础。

📖
術語

单样本学习

小样本学习的极端情况,模型必须在推理时从每个类别仅一个样本学习识别新类别。

📖
術語

关系网络

小样本架构,显式学习比较函数以测量嵌入空间中支持样本和查询样本之间的关系。

📖
術語

基础类别

具有大量可用样本的训练类别,用于在小样本适应新类别之前预训练模型。

📖
術語

新类别

在小样本学习的测试阶段,模型需要学习识别的具有很少或没有示例的新类别。

📖
術語

跨域小样本

小样本学习的一种变体,其中目标类别来自与训练类别不同的领域,呈现更复杂的迁移挑战。

📖
術語

特征嵌入

输入数据的低维向量表示,捕获基本语义特征,对于小样本学习中的比较至关重要。

📖
術語

匹配网络

一种小样本学习架构,使用注意力机制将每个查询示例与所有支持示例进行比较并生成加权预测。

📖
術語

任务无关预训练

模型学习通用表示的预训练阶段,不了解稍后将遇到的具体小样本学习任务。

📖
術語

自适应微调

通过在支持示例上进行少量迭代来快速调整模型权重的技术,以适应小样本学习中的新类别。

📖
術語

分层小样本

利用类别之间的层次关系来改进在可用示例很少时的泛化能力的小样本学习方法。

📖
術語

自监督小样本

将自监督学习与小样本学习相结合,在适应具有少量示例的新类别之前改进表示。

🔍

搵唔到結果