Buchumschlag

A Complete Survey on Contemporary Methods, Emerging Paradigms and Hybrid Approaches for Few-Shot Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tsoumplekas, Georgios, Li, Vladislav, Sarigiannidis, Panagiotis, Argyriou, Vasileios
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Closer Look at Data Augmentation Strategies for Finetuning-Based Low/Few-Shot Object Detection
von: Li, Vladislav, et al.
Veröffentlicht: (2024)

Evaluating the Energy Efficiency of Few-Shot Learning for Object Detection in Industrial Settings
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

Enhancing Performance for Highly Imbalanced Medical Data via Data Regularization in a Federated Learning Setting
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

Applied Federated Model Personalisation in the Industrial Domain: A Comparative Study
von: Siniosoglou, Ilias, et al.
Veröffentlicht: (2024)

Few-Shot Load Forecasting Under Data Scarcity in Smart Grids: A Meta-Learning Approach
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

A Closer Look at Data Augmentation Strategies for Finetuning-Based Low/Few-Shot Object Detection
von: Li, Vladislav, et al.
Veröffentlicht: (2024)

StatAvg: Mitigating Data Heterogeneity in Federated Learning for Intrusion Detection Systems
von: Bouzinis, Pavlos S., et al.
Veröffentlicht: (2024)

A Survey of Few-Shot Learning for Biomedical Time Series
von: Li, Chenqi, et al.
Veröffentlicht: (2024)

Exploring Energy Landscapes for Minimal Counterfactual Explanations: Applications in Cybersecurity and Beyond
von: Evangelatos, Spyridon, et al.
Veröffentlicht: (2025)

State of play and future directions in industrial computer vision AI standards
von: Stefanidou, Artemis, et al.
Veröffentlicht: (2025)

Evaluation of Environmental Conditions on Object Detection using Oriented Bounding Boxes for AR Applications
von: Li, Vladislav, et al.
Veröffentlicht: (2023)

Scalable Optimal Transport Methods in Machine Learning: A Contemporary Survey
von: Khamis, Abdelwahed, et al.
Veröffentlicht: (2023)

Meta-Task: A Method-Agnostic Framework for Learning to Regularize in Few-Shot Learning
von: Rostami, Mohammad, et al.
Veröffentlicht: (2024)

Topological Deep Learning: A Review of an Emerging Paradigm
von: Zia, Ali, et al.
Veröffentlicht: (2023)

Few-Shot Class Incremental Learning via Robust Transformer Approach
von: Paeedeh, Naeem, et al.
Veröffentlicht: (2024)

Few-Shot Class-Incremental Learning with Prior Knowledge
von: Jiang, Wenhao, et al.
Veröffentlicht: (2024)

Task Aware Modulation using Representation Learning: An Approach for Few Shot Learning in Environmental Systems
von: Renganathan, Arvind, et al.
Veröffentlicht: (2023)

PRE: Vision-Language Prompt Learning with Reparameterization Encoder
von: Pham, Thi Minh Anh, et al.
Veröffentlicht: (2023)

A Strong Baseline for Molecular Few-Shot Learning
von: Formont, Philippe, et al.
Veröffentlicht: (2024)

Relation-Aware Network with Attention-Based Loss for Few-Shot Knowledge Graph Completion
von: Qiao, Qiao, et al.
Veröffentlicht: (2023)

Quantum Diffusion Models for Few-Shot Learning
von: Wang, Ruhan, et al.
Veröffentlicht: (2024)

Emotion Recognition and Generation: A Comprehensive Review of Face, Speech, and Text Modalities
von: Mobbs, Rebecca, et al.
Veröffentlicht: (2025)

Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry
von: Mayr, Michael, et al.
Veröffentlicht: (2024)

Meta-Learning Based Few-Shot Graph-Level Anomaly Detection
von: Li, Liting, et al.
Veröffentlicht: (2025)

Learning DAGs from Data with Few Root Causes
von: Misiakos, Panagiotis, et al.
Veröffentlicht: (2023)

An Efficient Memory Module for Graph Few-Shot Class-Incremental Learning
von: Li, Dong, et al.
Veröffentlicht: (2024)

NTK-Guided Few-Shot Class Incremental Learning
von: Liu, Jingren, et al.
Veröffentlicht: (2024)

An experimental approach on Few Shot Class Incremental Learning
von: Adam, Marinela
Veröffentlicht: (2025)

A New Spatiotemporal Correlation Anomaly Detection Method that Integrates Contrastive Learning and Few-Shot Learning in Wireless Sensor Networks
von: Ye, Miao, et al.
Veröffentlicht: (2025)

Hierarchical Relational Learning for Few-Shot Knowledge Graph Completion
von: Wu, Han, et al.
Veröffentlicht: (2022)

Enhancing Manufacturing Training Through VR Simulations
von: Li, Vladislav, et al.
Veröffentlicht: (2025)

Textile Analysis for Recycling Automation using Transfer Learning and Zero-Shot Foundation Models
von: Spyridis, Yannis, et al.
Veröffentlicht: (2025)

Context-Aware Adapter Tuning for Few-Shot Relation Learning in Knowledge Graphs
von: Liu, Ran, et al.
Veröffentlicht: (2024)

Language-Guided Reinforcement Learning for Hard Attention in Few-Shot Learning
von: Nikpour, Bahareh, et al.
Veröffentlicht: (2023)

Revisiting Few-Shot Learning from a Causal Perspective
von: Lin, Guoliang, et al.
Veröffentlicht: (2022)

A Survey of Few-Shot Learning on Graphs: from Meta-Learning to Pre-Training and Prompt Learning
von: Yu, Xingtong, et al.
Veröffentlicht: (2024)

Is Meta-Learning Out? Rethinking Unsupervised Few-Shot Classification with Limited Entropy
von: Guan, Yunchuan, et al.
Veröffentlicht: (2025)

HEALing Entropy Collapse: Enhancing Exploration in Few-Shot RLVR via Hybrid-Domain Entropy Dynamics Alignment
von: Liu, Zhanyu, et al.
Veröffentlicht: (2026)

MoEMeta: Mixture-of-Experts Meta Learning for Few-Shot Relational Learning
von: Wu, Han, et al.
Veröffentlicht: (2025)

Few-shot Class-incremental Learning for Classification and Object Detection: A Survey
von: Zhang, Jinghua, et al.
Veröffentlicht: (2023)