El primer resultado de Google es una página de Wikipedia [1] que en realidad explica todo con todo detalle.
Por lo general, al intentar realizar tareas de clasificación de objetos, utiliza muchos ejemplos de capacitación / gran conjunto de datos. One Shot Learning, introducido algo bastante temprano (¿2000?), Apunta a hacerlo con muy pocos ejemplos (de ahí el nombre). El aprendizaje de tiro cero es cuando no tienes ningún ejemplo para clases particulares en tu conjunto de datos.
A lo largo de los años, las personas han utilizado este concepto en varias ramas del aprendizaje automático y las redes de aprendizaje profundo. No se trata solo del reconocimiento de objetos, se puede extender a diferentes tareas donde se puede aplicar este concepto. Pocos ejemplos
- ¿Descubriremos el impulso warp en los próximos 1000 años con avances en la ciencia o la inteligencia artificial?
- Cómo construir IA para resolver este juego
- ¿El uso del aprendizaje automático creará alguna vez una máquina en el comercio de acciones / materias primas / FX que expulse completamente a los humanos del juego?
- ¿Con qué tipo de inteligencia artificial están equipadas las modernas sondas y orbitadores espaciales?
- ¿Qué es algo en inteligencia artificial que no veremos en nuestra vida pero que crees que es posible?
- El artículo de Fei-Fei Li mencionado en el artículo de Wikipedia “Aprendizaje de una sola vez de las categorías de objetos” [2]
- “Redes neuronales siamesas para el reconocimiento de imágenes de una sola toma” [3]
- El documento de DeepMind, “Redes coincidentes para el aprendizaje de un disparo” [4]
- El muy reciente artículo de OpenAI / Berkely, “One-Shot Imitation Learning [5]”
- Otro documento de DeepMind sobre One Shot Learning usando NNs aumentados de memoria [6]
Lea los resúmenes de los documentos (y explore más) para tener una idea de las diferentes formas en que las personas se acercan a One Shot Learning.
Notas al pie
[1] Aprendizaje único – Wikipedia
[2] http://vision.stanford.edu/docum…
[3] https://www.cs.cmu.edu/~rsalakhu…
[4] https://arxiv.org/pdf/1606.04080…
[5] https://arxiv.org/pdf/1703.07326…
[6] https://arxiv.org/pdf/1605.06065…