Meta-learning与传统监督学习的概念区别

最新推荐文章于 2024-06-22 14:01:09 发布
最新推荐文章于 2024-06-22 14:01:09 发布
阅读量409 收藏 1
点赞数
分类专栏： 深度学习 文章标签： 机器学习 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Harvey_Hawk/article/details/117365840
版权

传统监督学习对预测过程建模：\hat{y}=f_{\theta }(x)，学习目的是降低\hat{y}与标签y的误差。

传统监督学习是通过学习一个数据集中的带标签数据，得到针对这个数据集的预测模型参数，从而对这个数据集中的无标签数据的标签进行预测。

 

Meta-learning对学习过程建模：\theta =g_{\omega }(D^{T})，\theta是预测模型f_{\theta }的参数，学习目的是如何根据数据集D^{T}生成对应的预测模型f_{\theta }。

Meta-learning是在对现有的多个数据集学习f_{\theta }的过程中，同时学习到这些数据集的共同特征（先验知识）\omega。这样当需要对一个数据量很小的新数据集进行学习时，可以根据先验知识\omega很快学习到新数据集对应的模型参数\theta。不同的g_{\omega }的选择就产生了不同的Meta-learning方法。

神经网络很精神
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
meta-learning:元学习研究
05-08
元学习与通用AI之间的关联的简要调查 联合学习的新兴趋势：从模型融合到联合X学习 多目标元学习 不断变化的机器人动力学和环境中的自适应电动机控制的元强化学习 CATCH：用于可转移架构搜索的基于上下文的元强化学习...
论文笔记—Recasting gradient-based meta-learning as hierarchical bayes
07-21
与通过分层贝叶斯进行元学习的现有方法相比，MAML通过使用可扩展的梯度下降过程进行后验推理，自然适用于复杂函数逼近器。此外，将MAML识别为分层贝叶斯提供了一种将算法作为元学习过程进行理解的方法，并提供了利用...
机器学习开篇之机器学习的分类
Lion_Dreams的博客
06-14 1万+
目录1 引言2 机器学习分类2.1 监督学习（Supervised Learning）2.1.1 传统监督学习2.1.2 非监督学习2.1.3 半监督学习2.1.4 其它分类2.2 强化学习（Reinforcement Learning）3 总结首先，我们给出四个机器学习任务以上四个任务，可以把它分成两类，你会怎么分呢？分类的标准又是什么呢？ 我们可以将以上四个任务分为两类。仔细想想这四个任务，其实我们很容易想到1、4为一类，2、3为一类。那么我们的分类标准又是什么呢？根据我们
【机器学习】Meta-Learning（元学习）
weixin_44211968的博客
11-14 1万+
文章目录前言从传统学习引出元学习对比机器学习和元学习如何实现元学习参考链接 前言 元学习Meta Learning，含义为学会学习，即learn to learn，带着对人类的“学习能力”的期望诞生的。Meta Learning希望使得模型获取一种 “学会学习” 的能力，使其可以在获取已有“知识”的基础上快速学习新的任务。 从传统学习引出元学习 传统的机器学习方法是针对一个特定的，一般是有大量数据的数据集 ，试图学习出一个预测模型 ，使得模型对于测试集上的数据的预测有最小的误差。这个思路在数据集 D
【Deep Learning】Meta-Learning：训练训练神经网络的神经网络
最新发布
Deep_Thinking的博客
06-22 1169
本文简单介绍了两类与Learn to Learn有关的问题元学习（Meta-Learning）或少样本学习（Few-Shot Learning）少样本学习在大模型强大的Few-Shot能力下已经成为主流，在很多下游任务上大放异彩。Learn to learn nerual network by nerual network：即通过神经网络来优化训练神经网络的过程由于效率不高，再套一层娃（Learn to learn to learn） 的效果也并不好。
元学习概述（Meta-Learning）
一只攻城狮的博客
01-14 3万+
转载自： 凉爽的安迪-深度瞎学 一文入门元学习（Meta-Learning） 写在前面：迄今为止，本文应该是网上介绍【元学习（Meta-Learning）】最通俗易懂的文章了（ 保命），主要目的是想对自己对于元学习的内容和问题进行总结，同时为想要学习Meta-Learning的同学提供一下简单的入门。笔者挑选了经典的paper详读，看了李宏毅老师深度学习课程元学习部分，并附了MAML的代码。为了通俗易懂，我将数学推导和工程实践分开两篇文章进行介绍。如果看不懂，欢迎来捶我（ ）~~如果大家觉得有帮...
通俗讲解元学习（Meta-Learning）
AI研究院
06-11 6081
元学习通俗的来说，就是，有时候掌握学习的方法比刻苦学习更重要！下面我们进行详细讲解。
机器学习基础：监督学习深入介绍
weixin_43597208的博客
05-08 881
过拟合：把训练数据学习的太彻底，以至于把噪声数据的特征也学习到了，特征集过大，这样就会导致在后期测试的时候不能够很好地识别数据，即不能正确的分类，模型泛华能力太差，称之为过拟合（over-fitting）;欠拟合：模型没有很好的捕捉到数据特征，特征集过小，导致模型不能很好地拟合数据，称之为欠拟合（under-fitting）它的思想是：在所有坑选择的模型中，我们应该选择能够很好地解释一致数据并且十分简单的模型；我们将用来训练模型的数据称为训练集，将用来预测模型好坏的集合称为测试集；
Hands-On-Meta-Learning-with-Python:使用Python进行动手元学习
05-27
使用一键式学习，MAML，爬行动物和带有TensorFlow的Meta-SGD进行元学习 这本书是关于什么的？ 元学习是机器学习中令人兴奋的研究趋势，它使模型能够理解学习过程。 与其他ML范例不同，通过元学习，您可以更快地从...
深度元学习-A Survey of Deep Meta-Learning-翻译.docx
02-01
深度元学习的发展受到了诸如Model-Agnostic Meta-Learning (MAML)等方法的推动，MAML是一种优化方法，通过反向传播直接对模型的初始参数进行梯度更新，使得模型在仅经过少数迭代就能在新任务上表现良好。这种方法...
监督学习分类学习模型简介
weixin_43977647的博客
03-16 1329
1.监督学习 根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。监督学习可以分成分类学习和回归预测两类。 2.分类学习 （一）线性分类器 ...
从代码上解析Meta-learning
qq_30232405的博客
10-21 1458
文章目录1.背景2.Meta-learning理解2.1 Meta-learning到底做什么2.2 MAML算法2.3 MAML算法步骤2.4 MAML代码分析和实现3.参考文章 1.背景 meta-learning区别于pretraining，它主要通过多个task来学习不同任务之间的内在联系，通俗点说，也即是通过多个任务来学习共同的参数。 举个例子，人类在进行分类的时候，由于见过太多东西了，且已经学过太多东西的分类了。那么我们可能只需每个物体一张照片，就可以对物体做到很多的区分了，那么人是怎么根据少量
什么是Meta Learning？
fruit的博客
01-17 8006
Meta learning的思想源于人类对自身学习过程的理解。传统机器学习算法在训练过程中需要feed大量的样本，并且当任务发生改变时，模型需要重新训练。然而对于人类来说，我们可以很快的理解新知识，例如会骑自行车的人可以很快上手摩托车，甚至不需要示范。Meta learning要解决的就是学习一个可以快速学习的模型，这就是所谓的’ learning to learn’。传统机器学习无外乎学会分类、...
Meta learning
Tra_cy的博客
09-15 213
一、Introduction Meta learning = Learn to learn 二、Meta Learning 1、比较 与Life-long的区别： Life-long：所有任务使用一个模型 Meta：每个任务可能有不同的模型 与Machine Learning的区别： 2、算法步骤 # Step 1：定义一个learning algorithm的集合； # 初始化参数不一样，表示不一样的学习算法 # Step 2：评价一个learning algorithm的好坏； # N个Ta
机器学习、监督学习、非监督学习、强化学习传统机器学习、深度学习、迁移学习基本概念
weixin_45503497的博客
09-16 1621
文章目录 机器学习（machine learning） 监督学习（supervised learning） 非监督学习（unsupervised learning） 强化学习（reinforcement learning） 传统机器学习 深度学习 （deep learning） 迁移学习 （transfer learning） 机器学习（machine learning） 机器学习的主要任务： 分类（classification）：将实例数据划分到合适的类别中。 回归（regression）：主要用于预测数
机器学习中的有监督学习，无监督学习，半监督学习
小硒---代码无疆
04-29 6万+
在机器学习(Machine learning)领域，主要有三类不同的学习方法： 监督学习(Supervised learning)、 非监督学习(Unsupervised learning)、 半监督学习(Semi-supervised learning)， 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出，例如分类。 非监督学习：直接
监督学习，无监督学习，半监督学习
Paul_Huang的专栏
11-09 8069
监督学习，无监督学习，半监督学习 监督学习(Supervised learning)、非监督学习(Unsupervised learning)、半监督学习(Semi-supervised learning)，怎么区分呢？这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。 一、
机器学习两种方法——监督学习和无监督学习（通俗理解）
热门推荐
风翼冰舟的博客
09-19 13万+
监督学习与无监督学习
matlab meta-learning
09-12
而meta-learning是一种机器学习的方法，旨在通过学习一系列不同任务的经验，来改善学习算法的性能。那么，MATLAB meta-learning是指在MATLAB环境下进行meta-learning的实践和应用。 在MATLAB中，可以利用丰富的机器...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值