論文閱讀筆記《DPGN: Distribution Propagation Graph Network for Few-shot Learning》

核心思想   本文提出一種基於圖神經網絡的小樣本學習算法（DPGN）。先前基於圖神經網絡的小樣本算法通常將每個樣本當作一個結點，然後通過結點之間的關係，來推導出未知結點的類別。本文不僅關心樣本與樣本之間的關係，而且關注樣本的分佈之間的關係。本文提出了一個雙圖神經網絡模型，一個圖用於描述樣本（PG），一個圖用於描述分佈（DG）。PG通過聚合每個樣本和其他所有樣本之間的關係來得到DG，DG又利用每對樣

>>阅读原文<<