用于小样本学习的动态输入结构与网络组装
机器学习
2017-08-24 v1 机器学习
摘要
自机器学习诞生以来，从少量样本中学习的能力一直是一个难题。虽然方法在大量训练数据下取得了成功，但关于如何用更少的样本实现类似性能的研究一直在进行，这被称为单样本学习或更一般的小样本学习。这种技术已被证明具有可期的性能，但在实践中需要固定大小的输入，这使其在类别大小可变的生产系统中不切实际。这阻碍了小样本学习系统的训练和最终效用。本文描述了一种构建和训练网络的方法，该网络能够在系统使用过程中动态处理任意大小的样本。
引用
@article{arxiv.1708.06819,
title = {Dynamic Input Structure and Network Assembly for Few-Shot Learning},
author = {Nathan Hilliard and Nathan O. Hodas and Courtney D. Corley},
journal= {arXiv preprint arXiv:1708.06819},
year = {2017}
}