1 元学习进展
1.1 预测精度
元学习解决5-way 5-shot分类问题
- Omniglot数据集上,精度99%
- MiniImagenet数据集上,精度80%+
1.2 最新方法
SOTA元学习方法MetaOpt
1.3 最新应用
(1)电子商务平台的细分市场预测
(2)智慧城市的时空预测
2 元学习存在的问题
跨域问题,元学习效果差
域差别越大,精度越低,最大差距能达60%
pre-training + fine-tuning的结果还算好点
声音信号经过log Mel特征提取后,域差异会减小,跨域结果下降幅度也会变小
3 后续研究方向
提高求解质量——跨域问题,fine-tune更好的问题
提高泛化水平——新任务上的泛化问