هو عبارة عن خوارزمية ذكاء اصطناعي تعتمد على التعلم الآلي تقوم بالتعرف على الكائنات ضمن صورة، وتقوم بتقييم التشابه والاختلاف بين صورتين.
يتم استخدامها بشكل أساسي في الرؤية الحاسوبية، والهدف منها تعليم نموذج التعلم الآلي لوضع افتراضاته الخاصة حول أوجه التشابه بينهما بناء على الحد الأدنى من عدد الكائنات المرئية في الصورتين.
تتكون خوارزمية التعلم بمثال واحد من شبكتين عصبونيتين إلتفافيتين متماثلتين، تأخذ كل منهما إحدى صورتي الإدخال. وتكون مسؤولة عن تمييز معالم الصورة بكل جزء. وتقوم طبقة الخرج الوحيدة بقياس المسافة بين ميزات الصور للتعرف على التشابه والاختلاف.
وبهذا تكون بنية الشبكة عبارة عن طبقتي دخل وطبقة خرج وحيدة، وتسمى هذه الشبكات بالشبكات العصبونية السيامية (SNN).
تتمتع خوارزميات التعلم بمثال واحد بعدة مزايا أهمها:
إلى جانب العديد من المزايا، ما زالت هذه الخوارزميات لا تخلو من العيوب وأهمها:
يعود التنوع في التطبيقات التي تستخدم خوارزميات المثال الواحد إلى أهمية تطبيقها في العالم الحقيقي مثل: