Editing 퓨샷 러닝

[[분류:인공지능]]
;Few-shot Learning
대량의 학습 데이터가 없는 상태에서 소량의 데이터만으로 효과적으로 학습하는데 주안점을 둔 학습 방식

== 기존 학습 방법의 문제점 ==
* 방대한 데이터 필요
* 방대한 데이터의 라벨링 작업 필요<ref>지도학습의 경우 데이터가 있더라도 데이터 라벨링에 상당한 시간과 인력이 필요. 자체적으로 수행할 환경이 안 되는 경우 아마존의 메커니컬터크(Mechanical Turk)처럼 유료로 데이터에 주석을 달아주는 서비스를 이용</ref>
* 학습을 위한 대량의 컴퓨팅 리소스 필요

== 학습 방법 ==
=== 데이터셋 구성 ===
* 훈련에 사용하는 서포트 데이터(support data)
* 테스트에 사용하는 쿼리 데이터(query data)

=== 러닝 태스크 ===
;N-way K-shot 문제
* N은 범주의 수
* K는 범주별 서포트 데이터의 수
** K가 많을수록 이 범주에 해당하는 데이터를 예측하는 모델의 성능(추론 정확도) 항샹
** 퓨샷 러닝은 이 K가 매우 작은 상황에서의 모델 학습
;퓨샷 러닝 모델의 성능은 N과 반비례하며 K와는 비례하는 관계

=== 학습 방식 ===
* 거리 학습 기반 방식
** Siamese Neural network for one-shot image recognition
** Matching networks for one-shot learning
** Prototypical networks for few-shot learning
** Learning to compare : relation network for few-shot learning
* 그래프 신경망 방식
** Few-shot learning with graph neural networks
** Transductive propagation network for few-shot learning (TPN)

== 같이 보기 ==
* [[메타 러닝]]
* [[원샷 러닝]]
* [[AutoML]]

== 참고 문헌 ==
* [퓨샷 러닝(few-shot learning)과 메타 러닝(meta-learning) http://aidev.co.kr/deeplearning/9286]
* [퓨샷 러닝(few-shot learning) 연구 동향을 소개합니다. https://www.kakaobrain.com/blog/106?fbclid=IwAR3pYh_Rl0NvqQFFuTWVmPiYREU3R0d15SpDUngmRvJPN-M4q7sjyufF_vA]
* [소량의 데이터로 학습하는 퓨샷러닝 https://www.sedaily.com/NewsView/1VHPK6NWWG]