基于图神经网络的少样本学习
机器学习
2018-02-21 v3 机器学习
摘要
我们提议从部分观测图模型上的推断视角来研究少样本学习问题，该图模型由一组输入图像构建而成，这些图像的标签可被观测或未被观测。通过将通用的消息传递推断算法与其神经网络对应形式相类比，我们定义了一种图神经网络架构，它推广了近期提出的若干少样本学习模型。除了提供更好的数值性能外，我们的框架可轻松扩展至多类少样本学习变体，例如半监督或主动学习，展示了基于图的模型在“关系型”任务上良好运作的能力。
引用
@article{arxiv.1711.04043,
title = {Few-Shot Learning with Graph Neural Networks},
author = {Victor Garcia and Joan Bruna},
journal= {arXiv preprint arXiv:1711.04043},
year = {2018}
}