《表1 本文模型在Omniglot数据集上的表现》
在小样本学习中,由于训练集较小,此时,微调网络的结果会比重新训练网络好很多.但是我们发现,本文模型并不依赖于网络的微调操作,这可以有效的避免由微调带来的过拟合现象,实验结果如表1所示,其中N表示未使用微调,Y表示使用了微调.
图表编号 | XD00175979100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 李远沐、王展青 |
绘制单位 | 武汉理工大学理学院、武汉理工大学理学院 |
更多格式 | 高清、无水印(增值服务) |
在小样本学习中,由于训练集较小,此时,微调网络的结果会比重新训练网络好很多.但是我们发现,本文模型并不依赖于网络的微调操作,这可以有效的避免由微调带来的过拟合现象,实验结果如表1所示,其中N表示未使用微调,Y表示使用了微调.
图表编号 | XD00175979100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 李远沐、王展青 |
绘制单位 | 武汉理工大学理学院、武汉理工大学理学院 |
更多格式 | 高清、无水印(增值服务) |