积分商城

最新搜索： 扫频仪 13J404 电梯 OLED驱动芯片 RM69 元件库 你好放大器 lvgl
您现在的位置是：首页 > 技术资料 > Prototypical Networks少样本学习
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

Prototypical Networks少样本学习

更新时间：2026-04-23 13:05:59 大小：15K 上传用户：江岚查看TA发布的资源 标签：原型网络 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

Prototypical Networks（原型网络）是少样本学习（Few-Shot Learning）领域的经典算法，由Snell等人于2017年在论文《Prototypical Networks for Few-shot Learning》中提出。该算法旨在解决模型在训练数据稀缺情况下的分类问题，其核心思想是通过学习类别原型（Prototype）实现对新类别样本的快速识别。

一、核心思想

原型网络的核心假设是：每个类别可以由一个「原型向量」表示，该向量是该类别所有支持样本（Support Set）在嵌入空间中的均值。在分类阶段，通过计算查询样本（Query Set）与各类别原型的距离，将样本分配给距离最近的原型对应的类别。

具体流程包括以下步骤：

· 嵌入函数（Embedding Function）：使用神经网络（如CNN、ResNet）将输入样本映射到低维特征空间，得到嵌入向量。

· 原型计算：对每个类别的支持样本嵌入向量取平均，得到该类别的原型向量。公式表示为：
p__i ∈ S_c)

其中，S_c是类别c的支持集，N_c是支持样本数量，是样本x_i的嵌入向量。

· 距离度量与分类：计算查询样本嵌入向量与各原型的距离（通常采用欧氏距离或余弦距离），通过Softmax函数将距离转换为类别概率，选择概率最高的类别作为预测结果。


部分文件列表

文件名 大小
Prototypical_Networks少样本学习.docx 15K

【关注B站账户领20积分】

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号