A Survey of Zero Shot Learning(零样本学习综述)

Deeplearning综述LIDeng写的英文值得初学者看

模仿学习的目的是从人类专家的演示或人工创造的代理中提取知识，以复制他们的行为。它已经成功在视频游戏、自动驾驶、机器人模拟和物体操纵等领域得到了证明。然而，这种复制过程可能会有问题，比如性能高度依赖于演

深度神经网络（DNN）逐层计算表示形式，在管道的顶层生成最终表示形式，并使用最终表示形式进行分类或回归。许多DNN（例如ResNet，DenseNet）已经表明，来自较早层的表示可能是有益的。.. 他

我们提出了一种称为元元分类的新方法，用于在小数据环境中进行学习。在这种方法中，人们使用大量的学习问题来设计一组学习者，其中每个学习者具有较高的偏见和低方差，并且善于解决特定类型的学习问题。.. 元元分

In the last few years, unpaired image-to-image translation has witnessed remarkable progress. Althou

A New Meta-Baseline for Few-Shot Learning的中文翻译 (近些年来元学习成为对于小样本学习的流行框架,目的是从小样本分类任务的集合中学习模型。尽管一些越来越多的元

基于GPT-4解释过程的130亿参数模型Orca：模仿学习与零样本推理能力Orca是一个拥有130亿参数的模型，它通过模仿GPT-4的复杂解释过程进行学习，以掌握大型基础模型（LFMs）的推理能力。

元学习论文​​Optimization as a model for few-shot learning的简单理解,带有论文的详细注释和个人理解

只是一篇文章

丹佛斯VLT2800样本pdf,丹佛斯VLT2800样本