小结：元学习

1 元学习

1.1 定义

两层学习模型，内层学习单个新任务，外层积累多个任务的规律（先验封装），促进内层的快速学习

1.2 术语&符号

2 元学习方法

2.1 基于度量的元学习

2.1.1 定义

学习有效的度量空间表示两个集合样本的相似性，然后基于度量空间快速更新适应新任务中。

k是相似度核

2.1.2 模型

2015-Koch-孪生网络（SiamenseNet）
2016-Vinyals-匹配网络（MatchingNet）
2017-Vinyals-原型网络（PrototypicalNet）
2017-Garcia-图神经网络（GNN，Graph Neural Network）
2017-Shyam-注意循环比较（ARC，Attentive Recurrent Comparator）
2018-Sung-关系网络（RelationNet）

GNN包括孪生和原型

2.1.3 优缺

优点：
（1）基于相似性的预测，思想简单
（2）任务量少时，网络不需要进行特定任务的调整，预测速度快

- 缺点：
（1）