Prototype Learning是一种解释性较强的机器学习方法,它源于人类识别物体时对典型特征的抽象能力。在Prototype Learning中、模型学习到一组原型,每个原型代表数据中的一个特定类别或者概念。模型根据这些原型对新的数据实例进行分类,这个过程仿佛在回答:“这个实例最像哪一个已知类型?”通过学习简化的数据表示形式,Prototype ...
与基于softmax的CNN不同，原型学习通过测量测试图像和类原型之间的距离来学习一个度量空间。
目前的确还没有对prototype learning有一个unified的定义，并且prototype在不同的task中代表的不同的对象。
元学习Meta Learning,含义为学会学习,即learn to learn,就是带着这种对人类这种“学习能力”的期望诞生的。Meta Learning希望使得模型获取一种“学会学习”的能力,使其可以在获取已有“知识”的基础上快速学习新的任务。 2. 什么是原型&怎么利用原型分类 原型表示图 图片image被映射在特征空间中,表示为一个点,对同...
__proto__ 存在于所有对象属性中,是原型链遍历中实际访问的属性。 先来看看 prototype 属性,当一个函数对象被声明时其身上就有这么一个属性,而prototype属性对象又有 2 个属性,分别是 constructor(指向函数对象自身)和 __proto__(指向Object.prototype)。
网络的前向过程就是求解样本到原型之间的相似度、相关度。输出的对应logit大小，就是概率化表示的相似度...