大数据时代的小样本学习
机器学习
2018-08-23 v3 机器学习
摘要
作为人工智能中一个有前景的领域，一种称为小样本学习（Small Sample Learning, SSL）的新学习范式近年来引起了显著的研究关注。在本文中，我们旨在提供一篇综述，全面介绍该主题上提出的当前技术。具体而言，当前的 SSL 技术主要可分为两类。第一类 SSL 方法可称为“概念学习”，强调仅从少量相关观测中学习新概念。其目的主要是模拟人类的识别、生成、想象、合成与分析等学习行为。第二类称为“经验学习”，它通常与常规机器学习的的大样本学习方式共存。该类主要关注在样本不足情况下的学习，在一些文献中也可称为小数据学习。本文介绍了这两类 SSL 技术的更广泛综述，并提供了一些神经科学证据以阐明整个 SSL 体制的合理性及其与人类学习过程的关系。还给出了沿此方向的若干主要挑战与可能未来研究方向的讨论。
引用
@article{arxiv.1808.04572,
title = {Small Sample Learning in Big Data Era},
author = {Jun Shu and Zongben Xu and Deyu Meng},
journal= {arXiv preprint arXiv:1808.04572},
year = {2018}
}
备注
76 pages, 15 figures, survey of small sample learning