【NeurIPS2020】最新《元学习神经架构、初始权值、超参数和算法组件》报告，附视频与PPT

近年来，元学习方法取得了快速进展。元学习方法通过跨任务和领域迁移知识，以更有效地学习新任务，优化学习过程本身，甚至从头开始生成新的学习方法。元学习可以被看作是机器学习在过去十年中所经历的逻辑总结，从通过手工制作的特征学习分类器和策略，到学习分类器和策略操作的表示，最后到学习算法本身获得表示、分类器和策略。元学习方法也很有实际意义。例如，它们已经被证明产生了新的最先进的自动机器学习算法和架构，并在很大程度上改进了少样本的学习系统。此外，通过经验提高自身学习能力的能力也可以被视为智慧生物的一个标志，而认知科学对人类学习的研究和神经科学对奖励学习的研究都与此密切相关。

https://meta-learn.github.io/2020/

视频：

https://slideslive.com/38938210/metalearning-neural-architectures-initial-weights-hyperparameters-and-algorithm-components

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MLNA” 可以获取《【NeurIPS 2020】最新《元学习神经架构、初始权值、超参数和算法组件》报告，附视频与PPT》专知下载链接索引

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专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源