选自arXiv
作者：张长水等
机器之心编译
编辑：魔王
这篇综述文章回顾了少样本学习（FSL）的演进历史和当前进展，对FSL方法进行了层次分类，并总结了近期多个FSL扩展性主题及其最新进展，介绍了FSL在计算机视觉、自然语言处理等领域中的应用。
少样本学习（FSL）是机器学习领域中重要且有难度的课题。基于少量样本进行学习和泛化的能力是区分人工智能和人类智能的重要分界线，因为人类往往能够基于一个或少量样本建立对新事物的认知，而机器学习算法通常需要数百或数千个监督样本才能实现泛化。少样本学习的研究可以追溯到21世纪初，近年来随着深度学习技术的发展它也受到广泛的
