会员服务
MAML（Model-Agnostic Meta-Learning）是元学习（Meta learning）最经典的几个算法之一，出自论文《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》。 原文地址：https://arxiv.org/abs/1703.03400
【斯坦福大牛Chelsea Finn2022新课】深度多任务与元学习，附课程PPT下载
【斯坦福大牛Chelsea Finn2022新课】深度多任务与元学习，附课程PPT下载
专知
3+阅读 · 2022年9月29日
ACL 2022 | 分解的元学习小样本命名实体识别
ACL 2022 | 分解的元学习小样本命名实体识别
PaperWeekly
1+阅读 · 2022年6月30日
【ICML2022】Sharp-MAML:锐度感知的模型无关元学习
【ICML2022】Sharp-MAML:锐度感知的模型无关元学习
专知
1+阅读 · 2022年6月10日
如何确定多任务神经网络中哪些任务应该一起训练
如何确定多任务神经网络中哪些任务应该一起训练
TensorFlow
0+阅读 · 2021年12月14日
达摩院基于元学习的对话系统
达摩院基于元学习的对话系统
专知
1+阅读 · 2021年1月1日
近期必读的五篇 NeurIPS 2020【元学习】相关论文
近期必读的五篇 NeurIPS 2020【元学习】相关论文
专知
6+阅读 · 2020年12月15日
【斯坦福大牛Chelsea Finn2020新课】深度多任务和元学习，附课程PPT下载
【斯坦福大牛Chelsea Finn2020新课】深度多任务和元学习，附课程PPT下载
专知
0+阅读 · 2020年10月24日
近期必读的六篇 ICML 2020【元学习（Meta Learning）】相关论文
近期必读的六篇 ICML 2020【元学习（Meta Learning）】相关论文
专知
8+阅读 · 2020年9月27日
【资源推荐】元学习近几年论文和资料集锦
【资源推荐】元学习近几年论文和资料集锦
专知
0+阅读 · 2020年9月22日
【ACL2020】北大提出低资源场景下的对话生成任务定制模型
【ACL2020】北大提出低资源场景下的对话生成任务定制模型
专知
0+阅读 · 2020年7月17日
在机器人领域使用元学习探索进化方向
在机器人领域使用元学习探索进化方向
谷歌开发者
0+阅读 · 2020年5月25日
CVPR 2020(Oral)丨MAML-Tracker: 用目标检测思路做目标跟踪？ 小样本即可得高准确率
CVPR 2020(Oral)丨MAML-Tracker: 用目标检测思路做目标跟踪？ 小样本即可得高准确率
CVer
0+阅读 · 2020年5月15日
用目标检测思路做目标跟踪？ MAML-Tracker: 小样本即可得高准确率｜CVPR2020
用目标检测思路做目标跟踪？ MAML-Tracker: 小样本即可得高准确率｜CVPR2020
极市平台
2+阅读 · 2020年5月14日
CVPR 2020丨MAML-Tracker: 用目标检测思路做目标跟踪？ 小样本即可得高准确率
CVPR 2020丨MAML-Tracker: 用目标检测思路做目标跟踪？ 小样本即可得高准确率
微软研究院AI头条
0+阅读 · 2020年5月14日
【普林斯顿大学-微软】加权元学习，Weighted Meta-Learning
【普林斯顿大学-微软】加权元学习，Weighted Meta-Learning
专知
1+阅读 · 2020年3月25日
参考链接
父主题
元学习
微信扫码咨询专知VIP会员
Top