基于深度学习的少样本研究综述
来源：电讯技术杂志2021年第1期北京时间：
作者：卢依宏,蔡坚勇,郑华,曾远强
单位：(福建师范大学 光电与信息工程学院，福州 350007)
摘要：基于大数据的深度学习算法越来越完善，然而如何解决训练样本数非常少的情况，是目前神经网络研究领域中一个非常重要且极具挑战的问题。首先，介绍了少样本问题的定义；接着将现有的少样本学习方法分为数据增强、度量学习和元学习三类，分别从方法所用模型、数据集以及相应的实验结果进行分析；最后，总结了现有方法的不足，探讨了未来少样本研究的方向。
关键词：深度神经网络；少样本学习；数据增强；度量学习；元学习；
基金资助：福建省自然科学基金项目（2017J01744）
