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
- ASP.NET通用权限管理框架
- 特征提取与图像处理第三版
- mfi 芯片资料 ipod 认证协议
- 网络互联课设-校园网络规划.rar
- 理光 SP C252DN C252SF 252 彩色激光打印机中文维修手册 (1).pdf
- stm32 墨水屏
- EPSON L1118 L1119 L3106 L3108 L3115 L3116废墨清零软件+带教程说明.rar
- CarSim Training参数详解
- 地铁计费系统C++实现（dijkstra算法）
- MSP430F6638编程实现5按键密码锁
- 问答系统训练语料
- 空间数据库课程设计
- Fisherface的原始论文和完整的源代码（matlab）（包含数据库）
- ARM Cortex-M3嵌入式开发实例详解-基于NXPLPC1768
- PyQt5-SerialPort-Stable-master.zip
- Hibernator_Premium_v2.18.0.apk
- 离散事件动态系统
- 远程控制服务端/客户端
- 餐饮管理系统源码20140319
- 传感器接口及信号调理电路.
- 药品管理系统
- 信息隐藏期末项目和报告
- 关于酒店管理系统的C#课程设计
- opengl鼠标交互简单例子
- 嘉宏中控写码软件
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