摘要：近年来，深度学习模型在图像、语音、文本识别等领域内取得了显著成就。然而，深度学习模型严重依赖于大量标签数据，使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战，很多学者针对数据依赖小的弱监督机器学习方法开展研究，出现了很多典型研究方向，如小样本学习、零样本学习等。针对弱监督机器学习方法，系统阐述了小样本学习、零样本学习、零—小样本学习的问题定义、当前主要方法以及主流实验设计，最后基于当前研究中出现的问题，对下一阶段研究方向进行了总结展望。 

https://kns.cnki.net/KCMS/detail/11.2422.tn.20200318.1046.030.html

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“ZFSL” 就可以获取《融合零样本学习和小样本学习的弱监督机器学习方法综述》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源