DPGN: شبكة رسم توزيعي للانتشار لتعلم قليل العينات

تُنمذج معظم المناهج القائمة على الشبكات الرسومية للتعلم التعلمي العالي (meta-learning) العلاقات على مستوى المثال بين الأمثلة. ونُوسع هذه الفكرة بشكل أكبر من خلال نمذجة العلاقات على مستوى التوزيع بين مثال واحد وجميع الأمثلة الأخرى بطريقة 1 مقابل N. ونُقدّم منهجًا جديدًا يُسمّى شبكة الرسومية لانتشار التوزيع (DPGN) للتعلم القليل الأمثل (few-shot learning). حيث تنقل DPGN كلًا من العلاقات على مستوى التوزيع والعلاقات على مستوى المثال ضمن كل مهمة تعلم قليلة الأمثلة. ولدمج العلاقات على مستوى التوزيع والعلاقات على مستوى المثال بالنسبة لجميع الأمثلة، نُنشئ شبكة رسمية مزدوجة كاملة تتكون من رسم بياني للنقاط ورسم بياني للتوزيع، بحيث يمثل كل عقدة مثالًا. وبفضل البنية المزدوجة للرسم البياني، تقوم DPGN بنقل معلومات التسمية من الأمثلة المُسمّاة إلى الأمثلة غير المُسمّاة خلال عدة توليدات لتحديث. وفي التجارب الواسعة على معايير تعلم القليل الأمثل، تتفوّق DPGN على النتائج المتطورة حاليًا بمقدار كبير، بنسبة تتراوح بين 5% إلى 12% في البيئة المراقبة، وبنسبة تتراوح بين 7% إلى 13% في البيئة شبه المراقبة. وسيتم إصدار الشفرة المصدرية قريبًا.