論文閱讀筆記《Few-Shot Learning with Metric-Agnostic Conditional Embeddings》
核心思想 本文提出一種基於度量學習的小樣本學習算法，思想上與Relation Network接近，沒有明確定義一種度量方法，而是利用卷積神經網絡學習並利用softmax層輸出屬於各個類別的概率值，但在結構上與Relation Network大有不同，並且增加了一個調節模塊。整個網絡分成四個階段：特徵提取階段，相關性階段，調節階段和分類階段，整個網絡的結構如下圖所示 特徵提取階段沒什麼可說的
相關文章
- 1. Machine Learning & Deep Learning 論文閱讀筆記
- 2. 論文閱讀筆記《TAFE-Net: Task-Aware Feature Embeddings for Low Shot Learning》
- 3. 論文閱讀筆記之——《Dynamic Conditional Networks for Few-Shot Learning》
- 4. Deep Mutual Learning論文閱讀筆記
- 5. BERT論文閱讀筆記
- 6. Question Answering with Subgraph Embeddings【論文筆記】
- 7. 【論文閱讀】Topical Word Embeddings
- 8. 論文閱讀筆記《Active One-shot Learning》
- 9. GAN 論文閱讀筆記
- 10. 論文閱讀筆記《One-Shot Imitation Learning》
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • C# 文本文件的讀寫 - C#教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • RxJava操作符（七）Conditional and Boolean
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Machine Learning & Deep Learning 論文閱讀筆記
- 2. 論文閱讀筆記《TAFE-Net: Task-Aware Feature Embeddings for Low Shot Learning》
- 3. 論文閱讀筆記之——《Dynamic Conditional Networks for Few-Shot Learning》
- 4. Deep Mutual Learning論文閱讀筆記
- 5. BERT論文閱讀筆記
- 6. Question Answering with Subgraph Embeddings【論文筆記】
- 7. 【論文閱讀】Topical Word Embeddings
- 8. 論文閱讀筆記《Active One-shot Learning》
- 9. GAN 論文閱讀筆記
- 10. 論文閱讀筆記《One-Shot Imitation Learning》