论文阅读——Zero-Shot Learning with Semantic Output Codes

本文介绍了零样本学习中两个核心概念:语义特征空间与语义知识库。通过实例解释了如何使用五维语义特征空间来描述动物的高级特性,并展示了如何构建语义知识库样本。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    最近实验室师兄师姐在搞Zero-Shot Learning的东西,我也来凑热闹看看相关论文。

    定义一:语义特征空间(Semantic Feature Space

            如,用一个五维的语义特征空间来描述动物的高级特性,每一维分别代表:是否有毛?是否有尾巴?在水下能否呼吸?是不是吃肉?运动起来是不是很慢?    在这个语义特征空间,一只狗可以用一点{1,1,0,1,0}来表示。


    定义二:语义知识库(Semantic Knowledge Base

            如,({1,1,0,1,0},狗)就是知识库中的一个样本,一个知识库由多个这样的样本组成,如({0,1,1,0,0},鱼)也是一个样本。

    

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值