ICML 2024 | 提升收敛速度！人大提出基于镜像下降的贝叶斯小样本分类

文章预览

©PaperWeekly 原创 · 作者 |  周峰 单位 |  中国人民大学统计学院 本文介绍了中国人民大学统计学院的一篇关于贝叶斯小样本分类加速收敛的文章“Accelerating Convergence in Bayesian Few-Shot Classification”，本文被 ICML 2024 接收，代码已经开源。 论文标题： Accelerating Convergence in Bayesian Few-Shot Classification 论文链接： https://arxiv.org/abs/2405.01507 代码链接： https://github.com/keanson/MD-BSFC 背景 小样本分类（Few-shot classification, FSC）关注于在仅有少量带有类标签的训练样本的情况下对新数据进行分类。当收集训练样本具有挑战性或对数据进行标注成本高昂时，这种方法尤其有用。 在这种情况下，标签数据的稀缺性引入了模型参数的不确定性，通常称为认知不确定性。有效管理认知不确定性有助于对模型进行正则化，降低过拟合的风险。此外，在风险规避型应用如医疗诊断 ………………………………