专栏名称: PaperWeekly
PaperWeekly是一个分享知识和交流学问的学术组织,关注的领域是自然语言处理的各个方向。我们热爱知识,分享知识,希望通过我们大家的努力为自然语言处理的发展做出一点点贡献。我们每周会分享一期特定话题的论文笔记和本周值得读的相关论文。
今天看啥  ›  专栏  ›  PaperWeekly

利用一个样本估计类别数据分布,9行代码提高少样本学习泛化能力

PaperWeekly  · 公众号  · 科研  · 2021-01-18 18:20
© 作者|杨朔学校|悉尼科技大学博士生研究方向|少样本学习,噪音标签学习介绍一篇我们刚刚发表在 ICLR 2021 Oral 上的一篇少样本学习工作,简单有效。论文标题:Free Lunch for Few-shot Learning: Distribution Calibration论文链接:https://openreview.net/forum?id=JWOiYxMG92s?代码链接:https://github.com/ShuoYang-1998/ICLR2021-Oral_Distribution_Calibration简介从极少量样本中学习到泛化性能良好的模型是很困难的,因为极少的样本形成的数据分布往往与真实数据分布相差较大,在偏斜的数据分布上训练模型会导致严重的过拟合现象并严重破坏模型的泛化能力(见图1)。在本文中我们尝试从数据分布估计的角度去缓解少样本学习中的过拟合现象。我们尝试利用一个样本去估计该类别的整体数据分布,如果 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照