Einfach erklärt
One‑shot‑Lernen heißt: Ein Modell soll aus nur einem einzigen Beispiel etwas Neues lernen – und es danach wiedererkennen oder richtig zuordnen.
Warum ist das nützlich?
• In der Praxis gibt es oft nur sehr wenige Beispiele (neues Produkt, seltenes Schild, neue Klasse).
• Schnelles Anpassen an Neues ohne großen Datenaufwand.
Ganz einfache Beispiele:
• Neues Verkehrszeichen: Du siehst ein Bild eines neuen Zeichens – später erkennst du es auf der Straße wieder.
• Neues Firmenlogo: Einmal gesehen, danach in Fotos/Scans finden.
• Neue Buchstabe/Schriftzeichen: Nach einem Beispiel denselben Buchstaben in anderer Handschrift erkennen.
Professionelle Definition
One‑shot‑Lernen bezeichnet Verfahren, die mit N=1 gelabelten Beispiel(en) je neuer Klasse/Aufgabe generalisieren. Häufiger Aufbau sind episodische Trainingsschemata mit Support‑Set (ein Beispiel pro Klasse) und Query‑Set. Typische Methoden:
• Metrisches Lernen/Siamese‑Netze: Lernen eine Ähnlichkeitsfunktion; Entscheidung per „ist ähnlich/ist unähnlich“.
• Matching Networks: Aufmerksamkeit über Support‑Beispiele; Vorhersage als gewichtete Kombination.
• Prototypische Netze: Klassen‑„Prototyp“ als Mittel im Einbettungsraum; Zuordnung zur nächsten Klasse.
• Bayes/Generative Ansätze: Nutzen starke Prioren und strukturierte Merkmalmodelle (klassisch bei Schriftzeichen wie Omniglot).
Quellen
• Wikipedia – One‑shot learning (Begriff, Beispiele, Omniglot)
https://en.wikipedia.org/wiki/One-shot_learning
• Koch, Zemel, Salakhutdinov (2015) – Siamese Neural Networks for One‑Shot Image Recognition
https://www.cs.cmu.edu/~rsalakhu/papers/oneshot1.pdf
• Vinyals et al. (2016) – Matching Networks for One‑Shot Learning
https://arxiv.org/abs/1606.04080
https://proceedings.neurips.cc/paper/2016/file/90e1357833654983612fb05e3ec9148c-Paper.pdf
• Snell, Swersky, Zemel (2017) – Prototypical Networks for Few‑shot Learning
https://arxiv.org/abs/1703.05175
https://arxiv.org/pdf/1703.05175
• Lake, Salakhutdinov, Tenenbaum (2015) – Human‑level concept learning through probabilistic program induction (Omniglot)
https://science.org/doi/10.1126/science.aab3050