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
- win64openssl_light-1-0-2.exe
- 机器人控制系统的设计与MATLAB仿真：先进设计方法
- Jetson Nano资料.zip
- PCA人脸识别.rar
- mysql驱动包.zip
- JSP+SQL网上书店设计
- 计算机基础课程教学平台+毕业设计+源代码
- Android 模仿手机QQ表情输入和表情预览框
- HybridTransparency.pdf
- TeamcenterITK客户化中文教材
- CAD工具三维线段转二维线
- 南京邮电大学历年研究生入学考试试卷真题.pdf
- Mybatis-Plus.pdf
- 软件需求规格说明书
- video demystified(5th)中文版--视频技术手册：1~6章
- 物流配货网项目源代码
- 基于MFC的多媒体音频播放器
- FIFO代码以及对应的testbench
- SQL Server求生秘籍(SQL Server故障排除圣经)--随书光盘源代码
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