《表1 人造数据集不同设定下测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于模型分解的小样本学习》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于不需要为该人造数据提取特征，本文将MCP方法与以下几个基准算法进行比较，如表1所示.前两种方法模拟了MatchingNet[13]和ProtoNet[14]中使用的分类策略.具体来说，NN表示使用最近邻搜索方法对每一个任务的测试样本进行分类，Proto表示使用训练集中每一个类的类中心进行分类（也被称为最近类均值分类器[44]）.对于全上下文嵌入（fully conditional embedding，FCE）[13]，本文遵循原始论文的方法，学习额外的BiLSTM参数.