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
Memory-Reduced Meta-Learning with Guaranteed Convergence
Arxiv
0+阅读 · 12月16日
Rethinking the Starting Point: Collaborative Pre-Training for Federated Downstream Tasks
Arxiv
0+阅读 · 12月11日
Leveraging Auxiliary Task Relevance for Enhanced Bearing Fault Diagnosis through Curriculum Meta-learning
Arxiv
0+阅读 · 12月4日
A New First-Order Meta-Learning Algorithm with Convergence Guarantees
Arxiv
0+阅读 · 9月5日
MAML MOT: Multiple Object Tracking based on Meta-Learning
Arxiv
0+阅读 · 8月23日
HyperMAML: Few-Shot Adaptation of Deep Models with Hypernetworks
Arxiv
0+阅读 · 7月8日
MAML MOT: Multiple Object Tracking based on Meta-Learning
Arxiv
0+阅读 · 5月27日
Meta-Learning with a Geometry-Adaptive Preconditioner
Arxiv
0+阅读 · 2023年11月29日
Evaluating few shot and Contrastive learning Methods for Code Clone Detection
Evaluating few shot and Contrastive learning Methods for Code Clone Detection
Arxiv
0+阅读 · 2023年11月9日
Understanding Transfer Learning and Gradient-Based Meta-Learning Techniques
Arxiv
0+阅读 · 2023年10月9日
PersA-FL: Personalized Asynchronous Federated Learning
Arxiv
0+阅读 · 2023年10月4日
Multilingual Sentence-Level Semantic Search using Meta-Distillation Learning
Arxiv
0+阅读 · 2023年9月15日
Convergence of Gradient-based MAML in LQR
Arxiv
0+阅读 · 2023年9月15日
Hypernetwork approach to Bayesian MAML
Arxiv
0+阅读 · 2023年8月30日
META-SELD: Meta-Learning for Fast Adaptation to the new environment in Sound Event Localization and Detection
Arxiv
0+阅读 · 2023年8月17日
参考链接
父主题
元学习
微信扫码咨询专知VIP会员
Top