Uber AI NeurIPS 2019《元学习meta-learning》教程,附92页PPT下载

2019 年 12 月 13 日 专知

【导读】元学习是近几年来AI最热的研究方向之一,它可以学习如何去学习,因此可以被应用于小样本学习等场景。Uber AI(优步人工智能)的高级研究经理Jeff Clune在NeurIPS 2019上做了关于元学习的教程。


地址:http://metalearning.ml/2019/



深度学习很好地解决了传统AI中特征工程的问题,用深度网络自动提取特征取代了大量繁琐的人工特征设计,使得我们可以基于标注数据有监督地训练出高性能的AI模型。然而,由于许多深度学习模型的训练需要依赖在目标任务上的大量人工标注,这些模型并不能很好地适应小样本、多任务等场景


元学习(Meta-Learning)方法学习如何去学习(Learning to Learn)。例如,通过Learning to Learn,一些元学习模型可以基于少量的样本和较少的学习步骤学习可用的模型,并且,这些元学习模型具有泛化性,可在不同的任务上进行元学习。


在NeurIPS 2019上,Uber AI(优步人工智能)的高级研究经理Jeff Clune做了关于元学习的92页教程《How Meta-Learning Could Help Us Accomplish Our Grandest AI Ambitions, and Early, Exotic Steps in that Direction》,总结了目前元学习的一些发展情况。


教程内容大致如下:


  • 人工是否是强大AI最快的方法?

  • AI生成算法

    • 元学习

    • 三个支柱

      • 元学习架构

      • 元学习算法

      • 生成环境

  • 外来元学习算法

    • 生成式教学网络

    • 可微赫布可塑性

    • 可微神经模块赫布可塑性

    • ANMML

    • POET


完整PPT下载
请关注专知公众号(点击上方蓝色专知关注)
  • 后台回复“N19META” 就可以获取元学习完整教程PPT的下载链接~ 


教程部分截图如下所示:



参考链接:

  • http://www.cs.uwyo.edu/~jeffclune/share/2019_12_13_NeurIPS_Metalearning.pdf




-END-
专 · 知


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专业干货知识教程视频资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
登录查看更多
16

相关内容

Meta Learning,元学习,也叫 Learning to Learn(学会学习)。是继Reinforcement Learning(增强学习)之后又一个重要的研究分支。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
元学习与图神经网络逻辑推导,55页ppt
专知会员服务
127+阅读 · 2020年4月25日
【Uber AI新论文】持续元学习,Learning to Continually Learn
专知会员服务
35+阅读 · 2020年2月27日
【教程】自然语言处理中的迁移学习原理,41 页PPT
专知会员服务
93+阅读 · 2020年2月8日
深度强化学习策略梯度教程,53页ppt
专知会员服务
175+阅读 · 2020年2月1日
【斯坦福大学Chelsea Finn-NeurIPS 2019】贝叶斯元学习
专知会员服务
37+阅读 · 2019年12月17日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
67+阅读 · 2019年11月25日
【资源】元学习相关资源汇总
专知
31+阅读 · 2019年7月10日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Arxiv
14+阅读 · 2019年9月11日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Arxiv
9+阅读 · 2019年4月19日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
8+阅读 · 2018年11月27日
Arxiv
135+阅读 · 2018年10月8日
VIP会员
相关论文
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Arxiv
14+阅读 · 2019年9月11日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Arxiv
9+阅读 · 2019年4月19日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
8+阅读 · 2018年11月27日
Arxiv
135+阅读 · 2018年10月8日
Top
微信扫码咨询专知VIP会员