qq_40716254的博客

论文标题Personalized Federated Learning with Moreau Envelopes发表期刊NeurIPS 2020代码https://github.com/CharlieDinh/pFedMetorch解决的问题：statistical diversity差异 among clients，which restricts the global model from delivering good performance on client‘s task.采用的

小样本学习方法分类基于模型微调的小样本学习方法基于数据增强的小样本学习基于无标签数据的方法基于数据合成的方法基于特征增强的方法基于迁移学习的小样本学习基于度量学习的方法基于元学习的方法基于图神经网络的方法展望小样本学习目标：从少量样本中学习到解决问题的方法。本文将小样本学习分为基于模型微调、基于数据增强、基于迁移学习三种。基于模型微调的小样本学习方法     在大规模数据上预训练模型，在目标小样本数据集上对神经网络模型的全连接层或顶端几层进行参数微调

这里写目录标题AbstractIntroductionPrototypical Networks框架图和重要部分Abstract本文提出的原型网络，其中分类器可以很好地泛化到其他没有在训练集中出现过的新类别上，每种新出现的类别，只给少量样本。原型网络学习一个度量空间，在该空间中，可以通过计算到每个类的原型表示的距离来执行分类。与其他小样本相比，本方法反映了一种更简单的归纳偏差，有利于在有限的数据范围内使用。Introduction小样本是一种任务，分类器必须进行调整以适应没有见过的类。可以在未知的数