تعلم نشر التسميات: شبكة النشر الاستدلالية لتعلم القليل من العينات

الهدف من التعلم القليل النموذج هو تعلم تصنيف يمكنه التعميم بشكل جيد حتى عند التدريب باستخدام عدد محدود فقط من النماذج التدريبية لكل فئة. تتعامل الطرق الحديثة للتعلم الميتا (meta-learning) مع هذه المشكلة من خلال تعلم تصنيف عام عبر عدد كبير من مهام التصنيف متعددة الفئات وتوسيع نطاق نموذج التعلم إلى مهمة جديدة. ومع ذلك، حتى مع هذا النوع من التعلم الميتا، لا يزال مشكلة البيانات القليلة في مهمة التصنيف الجديدة قائمة. في هذا البحث، نقترح شبكة الانتشار الاستدلالي (Transductive Propagation Network - TPN)، وهي إطار جديد للتعلم الميتا يستخدم الاستدلال الاستدلالي لتصنيف مجموعة الاختبار بأكملها دفعة واحدة لتخفيف مشكلة البيانات القليلة. بصفة خاصة، نقترح تعلم كيفية انتشار العلامات من النماذج المصنفة إلى النماذج غير المصنفة في مجموعة الاختبار، وذلك عن طريق تعلم وحدة بناء الرسم البياني التي تستغل البنية المتعددة الأبعاد في البيانات. تقوم TPN بتعلم كلٍ من معلمات تمثيل الخصائص وبناء الرسم البياني بطريقة شاملة ومتكاملة. لقد قمنا بتجربة TPN على عدة مجموعات بيانات معيارية، حيث أظهرت أداءً أفضل بكثير من الأساليب الحالية للتعلم القليل النموذج وأحرزت نتائجًا رائدة في المجال.