基于元对抗训练的跨域少样本学习
机器学习
2022-05-26 v3 人工智能
摘要
少样本关系分类（RC）是机器学习中的关键问题之一。当前研究仅关注训练与测试均来自同一领域的设定。然而在实践中，该假设并非总能得到保证。在本研究中，我们提出一种考虑上述跨域情形的新模型。与先前模型不同，我们仅使用源域数据训练原型网络并在目标域数据上测试模型。提出一种基于元学习的对抗训练框架（MBATF）来微调已训练网络以适应来自目标域的数据。实证研宄证实了所提模型的有效性。
引用
@article{arxiv.2202.05713,
title = {Cross Domain Few-Shot Learning via Meta Adversarial Training},
author = {Jirui Qi and Richong Zhang and Chune Li and Yongyi Mao},
journal= {arXiv preprint arXiv:2202.05713},
year = {2022}
}
备注
6 pages including references