基于深度神经网络的少样本学习综述
如何从少数训练样本中学习并识别新的类别，对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题，全面总结了现有的基于深度神经网络的少样本学习方法，涵盖了方法 所用模型、数据集及评估结果等各个方面。
文件下载
评论信息
其他资源
- kea128库例程
- 基于Matlab的OFDM系统设计与仿真附源码
- 蚁群算法配电网络重构
- 免费面包板布线软件
- Thinking in C++（1，2卷）
- openpose 1.4.0
- 爬取新浪微博上的妹纸照片的爬虫程序
- SKY1311T读卡芯片资料 规格书 demo 最新开发包
- 2020年最新版H5商城.zip
- C语言书籍PDF版
- 方格网土方计算表(自动计算).xls
- ExtJS4.2实战
- 能力考N1重点语法.pdf
- 量子保密通信技术进展及应用趋势分析.pdf
- sogou_pinyin
- SMMVSplitter_3.6.1305.24 视频截取软件（支持多格式）
- 迷宫问题（数据结构 C++编写）
- IDL开发源代码
- 校园局域网设计要求
- C++ 程序设计语言 (特别版)答案
- Bayesian Networks in R贝叶斯网络的R语言实现
- PSF参数估计
- 高效聚类补充材料
- java+mysql+servlet图书管理系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明