少样本学习系列(四)【元学习与少样本深层理解】
元学习定义?
深度学习地发展主要是表征学习地发展,也就是如何更好地看到和理解数据,然后用于传统地算法中,从而取得较好地效果。这也是为什么外界对于AI
持怀疑态度,因为并没有什么很原理性地算法被提出,及时看起来比较前沿地元学习也是90年代就已经形成地概念。整个AI
框架下表征只是其中一环,像超参数地设计、结构地设计、逻辑推理,先验知识地引入等等都是AI
中非常重要地组成部分,而元学习将AI
地这些元素,像超参数、先验知识等做起来了。
元学习更像是在有监督和无监督之间存在地一个灰色地带,在很多情况下不是一点监督信息没有,比如像few-shot learning
这类任务,像强化学习任务中仿真器与真实环境之间·是存在一些关联地,而怎么处理这些关联就衍生出来了一系列算法,像self-supervised learning
,meta-learning
, few-shot learning
等这些算法。而这些算法处理地大体思想也都是类似地:
数据角度:比如学习某个任务,数据不够,能不能从别的地方获取数据,或者想办法去生成。而不同的获取数据地方式,获取先验模型地方式会引发一系列问题,而解决这些问题有衍生了不同地方法,比如领域自适应问题就是用来解决从不同地地方获取地数据直接用会产生偏差地结果。
算法角度:学习地算法能不能自己去设计和构建,比如面对更加开放地一个任务,算法能不能自动地去处理不同任务之间地差别。典型地就是元学习算法。
因此单纯地定义元学习是什么是没有意义地,因为其并不是某个算法,而更像是一种框架,一种理念思想。任何算法都能够融入到这个框架中去。而不是说有一个什么样地具体对象,而提出来的方法。
元学习与深度学习的区别
传统的深度学习机器学习是在数据层面做表征,而meta-learning
是在任务层面做表征。
元学习和迁移学习、领域自适应等有何关联和区别?
就分类和识别问题,元学习可以看成迁移学习地一种形式。从一些样本中学习知识,然后迁移,但是这些知识并不考虑是从小样本下学习得到地。few-shot learning
在少样本的任务下,先学习先验知识,然后迁移到新的任务中去,因此与传统地迁移学习相比需要地样本会更小一点,但是本质上还是迁移学习。
目前地小样本学习都基于元学习框架下得到地各种算法,但进展并不是很好,其中主要地原因在于衡量标准,没有一把足够长的尺子来衡量算法究竟会有多好。并不像图像那样有大量前人地数据集等等,小规模数据集得到地元知识也是有限地,并且难以推广到真实场景。(未来可能会有不同类别,不同分布下地数据集用来测试算法。)
与机器学习类似,元学习所学习得到地元知识也局限所学习地数据库。
不管是few-shot learning
、one-shot learning
,zero-shot learning
等方法说没有样本,或者很少样本,但是这并不代表说我们没有其他与这个任务不直接相关的样本,以及大量先验知识。我们是有很多地信息:
- 比如样本背后的知识,比如说我们没有当前任务分类的样本,但是我们可能知道当前样本的一些属性和先验知识,而这些属性和知识是可以被用到的。
- 对于当前任务下没有样本,但是我们可以有其它的任务下的很多样本。
而问题就在于如何去利用这些与这个任务不直接相关的知识和样本,把他们融通起来,从而迁移过来做few-shot learning
的学习。
小样本是一类问题,而元学习是解决这类问题地方法。
元学习能实现类人的举一反三与触类旁通能力吗?
元学习地重要目标之一就是做举一反三、触类旁通。这与multi-task learning
有很大的相通之处,核心在于提取task
之间共通的地方,比如可以用编码地方式将其提取出来,然后充分利用,从而让task
之间产生关联。而元学习更倾向于学习更加细致地元知识,用于更广泛的其它任务。
而现今基于深度学习的元学习算法,大部分都需要大量的task
来学习元知识。但是人类举一反三并非是全部基于归纳地方式,其中还有一部分是演绎的方式。
少样本学习系列(四)【元学习与少样本深层理解】相关推荐
- [jQuery学习系列四 ]4-Jquery学习四-事件操作
[jQuery学习系列四 ]4-Jquery学习四-事件操作 前言: 今天看知乎偶然看到中国有哪些类似于TED的节目, 回答中的一些推荐我给记录下来了, 顺便也在这里贴一下: 一席 云集 听道 推酷 ...
- 深度学习系列:深度学习在腾讯的平台化和应用实践
深度学习系列:深度学习在腾讯的平台化和应用实践(一) 莫扎特 2015-01-04 6:05:13 大数据技术 评论(0) 深度学习是近年机器学习领域的重大突破,有着广泛的应用前景.随着Google公 ...
- 复杂工况下少样本轴承故障诊断的元学习
摘要:近年来,基于深度学习的轴承故障诊断得到了较为系统的研究.但是,这些方法中的大多数的成功在很大程度上依赖于大量的标记数据,而这些标记数据在实际生产环境中并不总是可用的.如何在有限的数据条件下训练出 ...
- Identity Server4学习系列四之用户名密码获得访问令牌
1.简介 Identity Server4支持用户名密码模式,允许调用客户端使用用户名密码来获得访问Api资源(遵循Auth 2.0协议)的Access Token,MS可能考虑兼容老的系统,实现了这 ...
- 【深度学习系列】迁移学习Transfer Learning
在前面的文章中,我们通常是拿到一个任务,譬如图像分类.识别等,搜集好数据后就开始直接用模型进行训练,但是现实情况中,由于设备的局限性.时间的紧迫性等导致我们无法从头开始训练,迭代一两百万次来收敛模型, ...
- 学习系列--最优学习内容选择
学习系列 这个系列我们将系统探讨如何进行系统学习,帮助大家从学习内容到学习方式等,让大家了解到如何高效学习以及如何长远的进行学习规划. 这系列不会探讨具体的学习科目,而是给出一个系统选择的方式,帮助大 ...
- 【深度学习系列】——深度学习简介
这是深度学习系列的第一篇文章,欢迎关注原创公众号 [计算机视觉联盟],第一时间阅读我的原创!回复 [西瓜书手推笔记] 还可获取我的机器学习纯手推笔记! 直达笔记地址:机器学习手推笔记(GitHub地址 ...
- ASP.NET MVC 3.0学习系列文章(开始学习MVC)
Visual Studio 11安装ASP.NET MVC4体验 Nic Pei 2011-09-27 23:15 阅读:2891 评论:11 微软build大会.net平台大事汇总 Nic Pe ...
- 【小样本基础】深度学习中的元学习:元学习的理解、经典MAML算法、用元学习解决具体问题的思路、元学习的分类
本篇博客主要是分享一篇22年11月出来的元学习综述,由于这一篇综述的篇幅很长,可能对于之前不了解元学习的同学们来说会很晦涩,因此我补充了一些调研资料和例子,希望通过这篇博客,能够让大家对元学习有一个基 ...
- android 键编译,Android 音视频学习系列 (四) 一键编译 32/64 位 FFmpeg 4.2.2
前言 2020/5/20 增加了硬件解码编译脚本 编译环境 Centos + NDK20b + FFmpeg4.2.2 + Android-21/16 2020/4/26 更新了编译 64 位脚本 编 ...
最新文章
- OEM/ODM指的是什么?
- 关于可扩展的web架构设计的探索-框架结构的描述文件
- 201621123023《Java程序设计》第7周学习总结
- 寒冬悟道者马云:阿里巴巴逢单出击(4)
- 电脑下载的M4A格式文件怎么转换为MP3格式
- 在Linux系统下实现进程,Linux进程学习(一)之Linux进程的基本知识和实现
- ICML 2019收录774篇论文:谷歌153篇,清华北大26篇
- HBase模式设计之ID顺序增长(rowkey顺序增长)
- [ZJOI2008]生日聚会
- 苹果mac视频特效软件:After Effects
- C语言 常用标准库函数 初学者常用
- ug冲模标准件库_ug标准件库免费
- sqlServer2012安装包下载
- 如何使用 身份证归属地查询API
- Java知识复习清单
- 计算机网络中的utp指的是,西安交通大学17年5月课程考试《计算机及网络应用基础》作业考核试题...
- 温州大学c语言期末试卷,2016年温州大学物理与电子信息工程学院综合卷之C语言程序设计复试笔试最后押题五套卷...
- python字典键盘添加元素_对python字典元素的添加与修改方法详解
- xfs文件系统损坏修复
- 小学计算机教师集体备课计实,教师集体备课心得体会精选5篇合集
热门文章
- MP3播放器横向比较专题之二:闪存式
- matlab中的tall,tall 数组
- MATLAB Simulink
- MathWorks 中国
- 十九、K8s集群设置1- kube-bench
- L2TP 配置实例——CALL LNS
- 家庭记事本开发进度6
- 前嗅ForeSpider教程:采集预览
- Session和EL表达式实现登陆验证
- Codeforces 18C C. Stripe
- Struts2 标签库 控制标签的使用 if append generator iterator merage sort subset
- 6425C-Lab5 管理计算机帐户