元学习包括Zero-Shot/One-Shot/Few-Shot 学习,模型无关元学习(Model Agnostic Meta Learning) 和元强化学习(Meta Reinforcement Learning)等

元学习的训练样本和测试样本都是基于任务的,训练样本来源于多个任务,首先学习一个任务共有的函数FϕF_{\phi}Fϕ​。如下图所示训练任务有两个,目标任务有一个。用于训练任务的训练集称为support set,测试集称为query set。

利用不同的任务的support set得到映射函数fθ^1f_{\widehat{\theta}^{1}}fθ1​,fθ^2f_{\widehat{\theta}^{2}}fθ2​,

从图中可以看出,元学习的损失通过NNN个训练任务query set上损失相加得到。若定义在第n个任务query set 的损失是 lnl^{n}ln,则对于N个任务来说,总的损失为 L(ϕ)=∑n=1NlnL(\phi)=\sum_{n=1}^{N} l^{n}L(ϕ)=∑n=1N​ln。

传统深度学习与元学习的区别如下图:

传统深度学习:定义一个网络架构,初始化参数,然后通过自己选择的优化器更新参数,图中通过两次epoch更新最终得到网络输出 θ^\hat{\theta}θ^

注意到红色方框中的东西都是人为设计定义的

元学习:自动学习或者说代替方框中的东西,不同的代替方式就发明出不同的元学习算法。对应与三个方框分别是:

  1. 学习网络结构 Network Architecture Search (NAS)
  2. 学习参数的初始化,例如MAML算法,Reptile算法
  3. 学习优化器

与其他几种学习方法思想区别:

  1. 终身学习:一个模型可以做所有的任务

  2. 元学习:掌握其他任务的内在原理从而举一反三

  3. 迁移学习种的预训练:感觉很像元学习中的学习参数的初始化。但是预训练后的模型,需要根据下游任务增加不同的网络结构;(不确定,需要进一步学习)

参考:
https://zhuanlan.zhihu.com/p/108503451

Meta-Learning相关推荐

  1. 理解Meta Learning 元学习,这篇文章就够了!

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 AI编辑:我是小将 本文作者:谢杨易 1 什么是meta lear ...

  2. 初识元学习-Meta learning

    目录: meta learning的出现 1.meta learning的出现 Meta Learning,元学习,也叫 Learning to Learn(学会学习).是继Reinforcement ...

  3. 元学习(meta learning) 最新进展综述论文,28页pdf

    关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 本文综述了元学习在图像分类.自然语言处理和机器人技术等领域的应用.与深度学习不同, ...

  4. (转)Paper list of Meta Learning/ Learning to Learn/ One Shot Learning/ Lifelong Learning

    Meta Learning/ Learning to Learn/ One Shot Learning/ Lifelong Learning 2018-08-03 19:16:56 本文转自:http ...

  5. 元学习Meta learning深入理解

    目录 基本理解 元学习与传统的机器学习不同在哪里? 基本思想 MAML MAML与pre-training有什么区别呢? 1. 损失函数不同 2. 优化思想不同 MAML的优点及特点 MAML工作机理 ...

  6. 如何通过Meta Learning实现域泛化(Domain Generalization)?

    ©作者 | 丘明姗 单位 | 华南理工大学 研究方向 | 领域泛化 域泛化(Domain Generalization)中有很多工作是用 meta learning 做的.Meta learning ...

  7. 元学习Meta Learning/Learning to learn

    目录 元学习 训练 用途 学习方法 元学习和迁移学习的区别和联系 元学习 Meta Learning/Learning to learn即利用以往的知识经验来指导新任务的学习,使网络具备学会学习的能力 ...

  8. 论文笔记:Visual Question Answering as a Meta Learning Task

    Visual Question Answering as a Meta Learning Task  ECCV 2018 2018-09-13 19:58:08 Paper: http://opena ...

  9. 【李宏毅2020 ML/DL】P97-98 More about Meta Learning

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 本节内容综述 本节课由助教 陈建成 讲解. 本节 Outline 见小细节. 首先是 What is meta ...

  10. 【李宏毅2020 ML/DL】P88-96 Meta Learning – MAML | Reptile

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 本节内容综述 元学习就是 Learn to learn ,让机器变成 a better learner .Me ...

最新文章

  1. Java学习总结:2
  2. 对卫星网络及内容的安全防护措施
  3. Java 学习(20)--异常 /  IO 流
  4. 在客户端调用MOSS的搜索服务,实现更加灵活的搜索控制
  5. 【十二省联考2019】字符串问题【后缀自动机】【拓扑排序】
  6. System.Web.HttpContext.Current.Session为NULL解决方法
  7. windows api学习笔记-键盘钩子
  8. 追加画面文言时注意【×硬换行】与【○软换行】
  9. python 使用 config 文件
  10. PS中预设画笔并为路径描边
  11. 341编程器 软硬件
  12. 电子产品检验-检验中心
  13. java获取网络时间_java使用ntp同步获取网络时间
  14. office2007word不能插入页码解决办法
  15. 程序员用简单C语言一顿神操作,瞬间打造植物大战僵尸,无人不服
  16. 无盘服务器接几根网线,设置无线路由器需要几根网线_安装路由器需要几根网线?-192路由网...
  17. 囚徒健身(中文完整版)(保罗·威德)
  18. 定时关机系统~~开整
  19. mysql 验证用户名重复,Ajax案例——检验用户名是否重复
  20. python实现微信机器人群发软件_Python自制微信机器人:群发消息、自动接收好友!...

热门文章

  1. JavaScript就这么回事 (JS基础知识整理)
  2. Linux常用命令之yum
  3. 测得怎么样了?作为一名软件测试员,工作有时候似乎挺苦逼的,我太难了……
  4. 搭建java框架写CRD_硬核:如何开发一个Operator
  5. arm ida 伪代码 安卓 符号表_每天一个IDA小技巧(一): 序言
  6. 查看系统中支持CUDA的设备数量和属性---deviceQuery示例
  7. CUDA初探—环境配置
  8. 如何制定自动化测试战略?10年经验让我考虑这些关键要素!
  9. 前台 时不时报 could not proxy request_长春中考成绩不理想可以报的高中
  10. python科学坐标系绘制分析_python数据可视化案例——平行坐标系(使用pyecharts或pandas)...