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

成为VIP会员查看完整内容
19

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」最新AAAI2021-Tutorial,附视频与240页ppt
专知会员服务
113+阅读 · 2021年2月7日
最新《神经架构搜索NAS》报告,附46页ppt与视频
专知会员服务
33+阅读 · 2020年12月30日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
44+阅读 · 2020年11月30日
Uber AI NeurIPS 2019《元学习meta-learning》教程,附92页PPT下载
专知会员服务
112+阅读 · 2019年12月13日
机器也能学会如何学习?——元学习介绍
AINLP
19+阅读 · 2019年9月22日
元学习(Meta-Learning) 综述及五篇顶会论文推荐
学习如何学习的算法:简述元学习研究方向现状
深度学习世界
6+阅读 · 2018年4月9日
观点|元学习:实现通用人工智能的关键!
AI科技评论
8+阅读 · 2017年8月21日
Arxiv
0+阅读 · 2021年2月18日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Arxiv
8+阅读 · 2018年11月21日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
7+阅读 · 2018年6月8日
VIP会员
相关论文
Arxiv
0+阅读 · 2021年2月18日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Arxiv
8+阅读 · 2018年11月21日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
7+阅读 · 2018年6月8日
微信扫码咨询专知VIP会员