few-shot learning | BriefGPT

关键词few-shot learning

搜索结果 - 1104

支持 - 查询原型融合网络用于少样本医学图像分割
近年来，基于卷积神经网络的深度学习在许多应用中取得了显著的成功。然而，它们对大量标注数据的依赖以及对未知类别的有限泛化能力对于医学图像处理任务来说是一个挑战。少样本学习利用少量标注数据进行泛化到未知类别的能力已经成为一个关键性的研究领域，吸
PDF4 days ago
在开放式文本世界中进行少样本任务迁移的专家混合方法
多任务学习中混合专家模型与注意力机制结合的研究表明，代理能够在开放式环境中通过重用先前任务的知识并快速学习新任务，同时在零样本和少样本学习中表现出更高的奖励获得和采样效率。
PDF8 days ago
基于任务内互注意力的视觉 Transformer 模型用于少样本学习
基于 Vision Transformer (ViT) 架构，本文提出了一种用于少样本学习的任务内互注意方法，通过交换支持集和查询集的类别标记与图像片段标记，实现了互注意，从而加强了类内表征，并促进了同一类别样本之间的相似性。与最先进的基准
PDF11 days ago
生物医学时间序列少样本学习综述
通过使用 AI 方法与类人能力相结合的方法来弥补稀缺标记数据的方法被称为 few-shot learning。本文综述并比较了 few-shot learning 方法在生物医学时间序列应用方面的使用，讨论了该方法相对于传统的数据驱动方法的
PDF14 days ago
UniGen：通用领域泛化情感分类的零样本数据集生成
本研究提出了一种新颖的方法，通过生成适用于任意领域的数据集来实现小型任务模型的领域通用性，从而提高数据集生成模式的实际应用性。实验证明，该方法在使用比预训练语言模型小数个数量级的参数集的情况下，实现了在各种领域的泛化能力。
PDF15 days ago
基于可分离性的泛化量化方法：哪一层最佳？
评估深度学习模型在新颖数据上的泛化能力，通过对神经网络各层的性能评估，发现高分类准确性并不意味着高泛化能力，深层网络不总是最好的泛化模型，对模型不同层的泛化能力进行了探讨。
PDF15 days ago
PEFSL：用于 FPGA SoC 的嵌入式少样本学习部署管线
利用 FPGA SoCs 实现少样本学习的挑战及开发具有数据流架构的少样本学习平台的研究。
PDF17 days ago
ACL稳定 PT：通过输入分离实现少样本学习的稳定提示
通过将硬提示和软提示作为单独的输入来解决 prompt 初始化带来的噪音问题，并通过对比学习优化软提示以利用类别感知信息，实验证明该方法在准确性上超过了先进方法 7.20％，平均标准差减少了 2.02，并在涵盖各种任务的 7 个数据集上得到
PDF17 days ago
CVPRAAPL：为视觉语言模型添加属性的提示学习
通过将属性添加到提示学习（AAPL）的方法，本研究通过对可学习的上下文进行引导，从而在提取文本特征时专注于未见类的高级特征，以解决传统图像增强对于未见类的泛化问题，实验证明 AAPL 在几 - shot 学习、零 - shot 学习、跨数据
PDF22 days ago
CVPR超越深度伪造图像：检测人工智能生成的视频
生成式人工智能的最新进展已经导致了生成视觉逼真合成视频的技术的发展。本文证明合成图像检测器无法检测合成视频，因为合成视频生成器引入的痕迹与图像生成器留下的痕迹明显不同。尽管如此，我们展示了合成视频痕迹是可以学习的，并且可以在 H.264 重
PDF23 days ago
COLING优化大型语言模型的召回率：基于模型协作的关系三元组抽取方法
本论文设计了一种评估过滤框架，将大型语言模型与小型模型整合在一起，用于处理关系三元组提取任务，以获得更准确的提取结果。评估模型能够高精度提取相关实体对，并通过简单的标注原则和深度神经网络对模型进行嵌入，将输出作为提示加入到大型模型的提取过程
PDFa month ago
大型语言模型可自动为少样本表格学习生成特征
提出了一种新颖的上下文学习框架 FealtLLM，利用大型语言模型作为特征工程师，生成适合表格预测的优化输入数据集，在推断阶段使用生成的特征和简单的下游机器学习模型 (如线性回归) 来推断分类的可能性，从而实现高性能的小样本学习。FeatL
PDFa month ago
ECCV在少量样本学习中进行迭代视觉知识补全
本文提出了一种迭代式视觉知识完善（KCL）方法，通过正确利用未标记样本来补充视觉知识，以应对少样本学习中存在的分类偏差问题。经过多次迭代，收集更多样本以逐步稳定和完善视觉知识。实验结果表明，KCL 在少样本和零样本学习设置下作为即插即用模块
PDFa month ago
PM2: 一种新的提示多模型模型范式用于少样本医学图像分类
在医学图像分类中，提出了一种基于多模型基础模型的新的提示多模型模型范例（PM2），通过多种提示方案以及线性探测技术，PM2 能够有效地应对医学图像分类的挑战并取得了最先进的性能。
PDFa month ago
CVPRAMU-Tuning：基于 CLIP 的有效逻辑偏置用于少样本学习
近期，预训练的视觉 - 语言模型（如 CLIP）在少样本学习方面表现出巨大潜力并吸引了很多研究兴趣。本文通过分析 logit 偏差，从统一的角度分析了基于 CLIP 的少样本学习方法，提出了一种新的 AMU-Tuning 方法来学习有效的
PDFa month ago
ChatGPT 和通用 AI 在图片中出人意料地很好地计算水果数量
物体计数是深度学习应用中的一个流行任务，通过对比传统方法和 ChatGPT 以及基于少样本学习的通用 AI 模型 (T-Rex)，作者发现少样本学习的基础模型表现优异，并且 ChatGPT 在人类反馈下也显示出潜力，同时实现结果所需时间明显
PDFa month ago
利用少样本学习通过内镜超声程序对细胞学影像进行初级肺癌和其他恶性肿瘤的分类
建立一种计算机辅助诊断系统，用于支持医生在内支气管超声（EBUS）手术中进行转移癌的初步诊断，通过安排 EBUS 手术后其他部位的立即检查，消除了等待报告的需要，将等待时间减半以上，并使患者能够更早地发现其他癌症，从而实现早期治疗计划的早期
PDFa month ago
大型语言模型中表格数据的记忆与学习
通过引入不同的技术评估语言模型是否在训练过程中看到表格数据，揭示出大型语言模型对流行表格数据的实质性记忆，尽管这种记忆导致过拟合，但在新颖数据集上仍表现出非常优秀的性能，并且在语境中的统计学习能力被发现受到限制。
PDFa month ago
基于检索增强的语言模型提示的低资源机器翻译研究：以马姆贝语为例
本文旨在探索使用大型语言模型（LLMs）将英文翻译成蒙巴依语，一种在东帝汶使用的语言，本研究使用少量数据对 LLM 进行指导，以提高低资源语言的机器翻译质量。
PDFa month ago
CVPR无时间训练：为 Few-shot 3D 场景分割赋能的非参数网络
基于非参数化网络和支持查询传递模块，我们提出了一个用于 few-shot 3D 分割的 Seg-NN 和 Seg-PN 方法，其中 Seg-NN 通过手工设计滤波器来提取密集表示，Seg-PN 则通过训练轻量级的 QUERY-SUPPORT
PDFa month ago