百科问答小站 logo
百科问答小站 font logo



小样本学习中关于虚拟样本有效性的问题? 第1页

  

user avatar   h1hippie 网友的相关建议: 
      

如果虚拟样本的“输入和输出对应关系其实和Dreal是一样的”,那虚拟样本一定会失效。

所以虚拟样本必须差异化才行。

举个例子:

+表示当前任务样本,-表示非当前任务样本,颜色标识类别。

这个时候因为few-shot问题,决策边界随便画画就可以正确分类了,但是query set来了之后可能泛化性很差。

MetaGAN[1]生成的虚拟样本(负样本)就是压缩特征空间,使决策边界不要乱搞。

+表示当前任务样本,-表示非当前任务样本,红色蓝色标识当前任务类别(real),灰色标识生成负样本(fake)。

这样一来,决策边界可以稳定的在support set周围产生。

再举个例子:

@杨朔 大佬的论文[2]在做增广的虚拟样本,目的是使从support set和base-class data中生成的样本贴近待推断的query set,以达到特征空间增广的目的。这样的虚拟样本就是和题主说的real data不一样了,因为它是去估计query set的分布而不是support set (real)。

参考

  1. ^MetaGAN: An Adversarial Approach to Few-Shot Learning https://proceedings.neurips.cc/paper/2018/hash/4e4e53aa080247bc31d0eb4e7aeb07a0-Abstract.html
  2. ^FREE LUNCH FOR FEW-SHOT LEARNING: DISTRIBUTION CALIBRATION https://arxiv.org/pdf/2101.06395.pdf?ref=https://githubhelp.com



  

相关话题

  工程师简历写着「在微软传播性病」,骗过了 90% 公司的机器筛选,机器筛选简历那么不靠谱吗? 
  如何评价李飞飞和李佳加盟谷歌? 
  如何看待比 iPad 还大的史上最大芯片问世? 功耗比电磁炉还高有什么用? 
  为什么deep lab v3起,输出不再接 DenseCRF了? 
  人类大脑的聪慧程度以 IQ 为标准,那么人工智能的水平用什么指标来衡量呢? 
  EM算法存在的意义是什么? 
  如何评价Hinton组的新工作SimCLR? 
  ICML 2018 有哪些值得关注的亮点? 
  机器学习,数据挖掘在研究生阶段大概要学些什么? 
  2019年,计算机视觉领域,你推荐哪些综述性的文章? 

前一个讨论
如何看待网传字节跳动本月第二起员工抢救事件,现状如何?
下一个讨论
博士生发表几篇SCI论文合适?





© 2025-04-02 - tinynew.org. All Rights Reserved.
© 2025-04-02 - tinynew.org. 保留所有权利