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
- 电信中兴光猫超密获取工具使用方法及软件ZX-PassReader.zip
- Spirent TestCenter简易操作手册
- 推荐系统代码
- 纯净PE啥都没有bitlocker.txt
- 2017年全国各个站点气象监测数据
- VC++6.0添加背景音乐的实现
- IR2104S MOS管电机驱动板ad原理图+PCB+封装库文件.zip
- 高斯过程回归的代码
- 国嵌嵌入式培训教材
- ISE新建工程及使用IP核步骤详解
- Qt：Qt实现飞秋拦截助手—ARP攻击 完整项目代码
- load-Arcball.7z
- matlab2018a for linux R2_11
- grafana-7.4.1-1.x86_64.rpm
- rabbitmq.zip
- 【ssm项目源码】商户管理系统.zip
- 大数据漫谈系列之：大数据怎么发挥大价值.rar
- 西门子S7-200的定时停机程序
- 小说网站项目
- hyperledger-fabric-windows-amd64-1.1.0.tar.gz
- matlab 程序\例子\多项式拟合插值.rar
- LabVIEW自动气象站演示
- MFC 火车售票系统的模拟 简单的例子学习MFC 源码下载
- ASP.NET和ACCESS的网上投票系统 毕业设计 有论文全套
- VIsual C++实现的连连看游戏程序
- Mastering JavaFX 10 高清PDF版，非扫描带完整标签
- 支持MP3的最后支持XP的CEF3版本（2623）
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