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
- Microsoft Visual C++ 2010 Runtime x86
- 二阶IIR滤波器的verilog的实现
- drools规则引擎在促销系统中的应用.pdf
- OpenGL绘制图形（包含20多个基本例子）
- 全国六大流域矢量图shp格式
- Digital.Communication.Receivers.Synchronization
- 用Remez算法设计一个低通滤波器
- EPLAN 2.3 授权 SN-U10066.rar
- 贪吃蛇大作战demo实现和代码
- 分叉工作流运动十月：练习回购-源码
- Flotherm学习教程.ppt
- 基于信道预测的协作中继选择方法
- 项目管理的坏味道.pdf
- Chrome_dev_68.0.3423.2_XiaZaiBa.zip
- 2021线上零食礼盒年度趋势报告.pdf
- 命令行一线：命令行一线-源码
- javaweb的struts2银行简易系统
- 用MFC做的模拟时钟（指针），还有日历对话框，代码很全
- Mega-Fiers v3.14
- Android 音乐播放器
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