基于深度学习的少样本研究综述

• 作者: 卢依宏 蔡坚勇 郑华 曾远强
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 深度神经网络 少样本学习 数据增强 度量学习 元学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 综述与评论
• 页码范围: 125-130
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2021.01.020

摘要

基于大数据的深度学习算法越来越完善,然而如何解决训练样本数非常少的情况,是目前神经网络研究领域中一个非常重要且极具挑战的问题.首先,介绍了少样本问题的定义;接着将现有的少样本学习方法分为数据增强、度量学习和元学习三类,分别从方法所用模型、数据集以及相应的实验结果进行分析;最后,总结了现有方法的不足,探讨了未来少样本研究的方向.