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
- 基于MATLAB的光纤通信系统仿真代码.zip
- SSM实现校园超市管理系统(源码+SQL)
- linux下cp2101/2102驱动
- 基于FPGAVerilog HDL16*16点阵显示字符
- 二维地震多道记录成图
- ICA算法-快速独立分量分析实例
- android开发的记账本(特别好用的课程设计)
- ANFIS自适应模糊推理算法Matlab设计
- Stm32F4xx系列官方IAP升级程序
- 配电系统可靠性实用基础(陈文高)
- 多种FLASH图片切换效果
- Xshell_5.0.0.37_setup.1459931786.rar
- python，机器学习笔记，machine learning，nlp
- Java Basic Grammar Part7.md
- 重庆邮电大学《统计学 》历年期末考试试卷（含答案）.pdf
- 2018-2019中国白酒产业研究与商业投资决策分析报告.pdf
- 《数据结构》面授辅导资料
- Mathcad_Cival_Engineering_Library.part1
- 魏凤英：现代气候统计诊断与预测技术fortran源代码
- 基于KCP协议的P2P服务器和客户端
- 增值税发票税控开票软件数据接口规范3.0
- SP7021F+FM+收音机电路.pdf
- VS2012+LUA5.2+boost1.47.0环境搭建方法
- Fireworks cs5 破解
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