会员服务
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。
Bayesian Meta-Learning for Improving Generalizability of Health Prediction Models With Similar Causal Mechanisms
Arxiv
0+阅读 · 2024年12月30日
EEG-Reptile: An Automatized Reptile-Based Meta-Learning Library for BCIs
Arxiv
0+阅读 · 2024年12月27日
Meta-Learning for Hybrid Precoding in Millimeter Wave MIMO System
Arxiv
0+阅读 · 1月4日
Transferable Sequential Recommendation via Vector Quantized Meta Learning
Arxiv
0+阅读 · 2024年11月4日
A Stochastic Approach to Bi-Level Optimization for Hyperparameter Optimization and Meta Learning
Arxiv
0+阅读 · 2024年10月14日
Meta-Learning for Hybrid Precoding in Millimeter Wave MIMO System
Arxiv
0+阅读 · 2024年10月12日
Meta Learning to Rank for Sparsely Supervised Queries
Arxiv
0+阅读 · 2024年9月29日
A New First-Order Meta-Learning Algorithm with Convergence Guarantees
Arxiv
0+阅读 · 2024年9月5日
Few-shot Multi-Task Learning of Linear Invariant Features with Meta Subspace Pursuit
Arxiv
0+阅读 · 2024年9月4日
Pre-Training and Personalized Fine-Tuning via Over-the-Air Federated Meta-Learning: Convergence-Generalization Trade-Offs
Arxiv
0+阅读 · 2024年9月16日
Pre-Training and Personalized Fine-Tuning via Over-the-Air Federated Meta-Learning: Convergence-Generalization Trade-Offs
Arxiv
0+阅读 · 2024年9月10日
Domain Generalization through Meta-Learning: A Survey
Arxiv
0+阅读 · 2024年8月8日
Domain Generalization through Meta-Learning: A Survey
Arxiv
0+阅读 · 2024年8月22日
Robust Beamforming for RIS-aided Communications: Gradient-based Manifold Meta Learning
Arxiv
0+阅读 · 2024年7月24日
Robust Beamforming for RIS-aided Communications: Gradient-based Manifold Meta Learning
Arxiv
0+阅读 · 2024年7月25日
参考链接
父主题
机器学习
子主题
MAML
Tom Griffiths
Reptile
微信扫码咨询专知VIP会员
Top