++,,, 年;-+./,,0) 年;1,,,0 年。 关
键在于元学习随着时间的推移提高自己的学习能力,或者换个说法,
学会学习。 学习过程主要涉及任务(观察资料集)和任务,并发生
在两个不同的层次:内部和外部层次。 在内部层面,提出了一个新
的任务,并试图从训练观察中快速学习相关的概念。 这种快速适应
得益于它在外部层面的早期任务中积累的知识的。因此,虽然内部
层关注单个任务,但外部层关注多个任务。
从历史上看,元学习这个术语的使用范围很广。从最广泛的意义
上说,它概括了所有利用之前的学习经验以更快地学习新任务的系
统2"-30。这个广泛的概念包括更传统的机器学习算法
选择和超参数优化技术4!.30。然而,在这项工作中,
我们专注于元学习领域的一个子集,该领域开发元学习程序来学习
深度神经网络的良好诱导偏差。从今以后3我们使用术语深度元学
习指元学习的领域。
深度元学习领域正在快速发展,但它缺乏一个连贯、统一的概述,
无法提供对关键技术的详细洞察。2"-0对元学习技术进
行了调查,其中元学习被广泛使用,限制了对深度元学习技术的描
述。此外,在调查发表后,深度元学习领域也出现了许多令人兴奋
的发展。$"." 等人最近的一项调查采用了与我们相同的
深度元学习概念,但目的是广泛地概述,而忽略了各种技术的技术
细节。
我们试图通过提供当代深度元学习技术的详细解释来填补这一空
评论0
最新资源