Meta Learning资源学习列表

最新推荐文章于 2024-04-24 11:24:46 发布
最新推荐文章于 2024-04-24 11:24:46 发布
阅读量192 收藏
点赞数 1
分类专栏： Meta Learning
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/u010705932/article/details/106915496
版权

Meta-learning（元学习）是机器学习社区中解决学会学习问题的令人兴奋的研究趋势。

机器学习研究的传统范例是获取特定任务的庞大数据集，并使用该数据集从头开始训练模型。显然，这与人类利用过去的经验，仅从少量示例中快速学习新任务的方式相去甚远。

参考资源

[1] From zero to research — An introduction to Meta-learning

半月夏微凉
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
metalearning-slides.pdf
06-11
metalearningPPT 小样本学习 深度学习 元学习 谷歌大脑 总结全面，很不错的资源 metalearningPPT 小样本学习 深度学习 元学习 谷歌大脑 总结全面，很不错的资源 metalearningPPT 小样本学习 深度学习 元学习 谷歌...
李宏毅学习笔记45.Meta Learning番外
老毛的博客
08-07 1569
ML 除了machine learning之外 又有了新的意义：Meta Learning 本节内容太繁杂，笔记只能记录大概。
深度学习(18): Meta Learning& Life Long Learning
JJJJJJames的博客
01-23 591
Meta learning meta learning= learn to learn 机器学习了语音和影响辨识后，它可以做text classification life-long：one model for all the tasks Meta：How to learn a new model（每一个任务任然有自己的model） 机器学习 在meta learning中 把训练过程也当作function，输入资料，得到的就是新的function。 Meta vs machine Machin
《元学习meta learning)》2020综述论文大全！
深度学习技术前沿
04-18 925
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！【导读】元学习旨在学会学习，是当下研究热点之一。最近来自爱丁堡大学的学者发布了关于元学习最新综述论文《Meta-...
【李宏毅2020 ML/DL】P97-98 More about Meta Learning
记录学习痕迹的公众号：Piper蛋窝
08-12 634
本节课由助教讲解，我认为是质量很高的一次综述。
【小样本基础】元学习（Meta Learning）为什么能解决小样本问题（Few-shot Learning）：一个例子搞懂
vector的博客
10-11 3610
元学习（meta learning）是解决小样本问题非常重要的一个方法 在小样综述Generalizing from a Few Examples: A Survey on Few-shot Learning 中对元学习有这样的描述： 经过一组训练任务得到多个网络，参数使得所有网络的损失最小。用另一组不相交的任务来训练模型的泛化能力，这组任务的平均损失就是元学习的测试误差。 是不是还是有点摸不着头脑？元学习是“学习如何学习”，这句话到底是什么意思？为什么这样一种方法就能够解决小样本问题呢？ .
元学习（Meta Learning）最全论文、视频、书籍资源整理
lqfarmer的博客
02-07 2680
Meta Learning，叫做元学习或者 Learning to Learn 学会学习，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）。元学习是人工智能领域，继深度学习是人工智能领域，继深度学习 -> 深度强化学习、生成对抗之后，又一个重要的研究分支，也是是近期的研究热点，加州伯克利大学在这方面做了大量工作。 本文详...
元学习（Meta-learning）
可以学习吗的博客
12-14 3697
元学习（Meta-learning） 概述 1. 定义： 传统的机器学习研究模式是：获取特定任务的大型数据集，然后用这个数据集从头开始训练模型。很明显，这和人类利用以往经验，仅仅通过少量样本就迅速完成学习的情况相差甚远。 元学习（Meta Learning）或者叫做“学会学习”（Learning to learn），它是要“学会如何学习”，即利用以往的知识经验来指导新任务的学习，具有学会学习的能力...
Meta Learning入门之MAML实现Few-Shot Learning（Ominglot部分论文复现）
KGV093的博客
11-11 1616
最近看了李宏毅老师的MAML课，尝试了一下自己implement from strach：关于Ominglot数据集的5-way 1-shot分类 先挂一下参考的资源： 李宏毅的Lectures：https://www.youtube.com/watch?v=EkAqYbpCYAc 论文原文：https://arxiv.org/abs/1703.03400 一篇知乎笔记：https://zhuanlan.zhihu.com/p/66926599 用一句话概括MAML的灵魂，大概就是 ...
基于Metalearning的元强化学习代理设计
禅与计算机程序设计艺术
04-24 812
作者：禅与计算机程序设计艺术 基于Meta-learning的元强化学习代理设计 1. 背景介绍 元强化学习（Meta-Reinforcement Learning）是一种新的机器学习领域，旨在解决传统强化学习（Reinforcement Learning）
meta-learning:元学习研究
05-08
元学习研究 || | | | | | | | | | | | | | [ ] | | | 真棒元学习| 使用Python进行动手元学习|| 评论论文 ...端到端低资源语音识别的元学习 具有无偏梯度聚合和可控元更新的联合学习 元学习与可区分的闭合
2009_Book_Metalearning.pdf
07-29
英文版。很好的资源，适合机器学习以及人工智能爱好者。
larochelle-metalearning.pdf
07-29
英文版。很好的资源，适合机器学习以及人工智能爱好者。
Multitask-Learning:很棒的多任务学习资源
04-30
Multitask-Learning多任务学习相关资料，主要包括代表性学者主页、论文、综述、幻灯片、论文集和开源代码。欢迎分享~This repository collects Multitask-Learning related materials, mainly including the ...
软考-考生常见操作说明-202405101400-纯图版.pdf
05-14
软考官网--2024常见操作说明：包括如何绘制网络图、UML图、表格等 模拟作答系统是计算机技术与软件专业技术资格（水平）考试的电子化考试系统界面、作答过程的仿真系统，为各级别、各资格涉及输入和页面显示的部分题型提供体验性练习。
setuptools-34.0.3.zip
最新发布
05-14
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
基于遗传优化GA的三目标优化仿真【包括程序，注释，操作步骤】
05-14
1.版本：matlab2022A。 2.包含：程序，中文注释，仿真操作步骤（使用windows media player播放）。 3.领域：遗传优化 4.仿真效果：仿真效果可以参考博客同名文章《基于遗传优化GA的三目标优化仿真》 5.内容：基于遗传优化GA的三目标优化仿真。遗传算法（Genetic Algorithm, GA）是一种模拟自然选择和遗传机制的全局搜索优化方法，广泛应用于解决复杂优化问题，包括具有多个目标的优化问题，即多目标遗传算法（Multi-Objective Genetic Algorithm, MOGA）。在这里，将三个目标函数进行统一的编码，通过单目标遗传优化的方式，同步求解三个目标函数的最优值。 6.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。
基于单通道脑电信号的自动睡眠分期研究.zip
05-14
本项目使用了Sleep-EDF公开数据集的SC数据进行实验，一共153条整晚的睡眠记录，使用Fpz-Cz通道，采样频率为100Hz 整套代码写的较为简洁，而且有添加相应的注释，因此进行分享，而且不仅仅说是睡眠分期，也可以作为学习如何使用神经网络去进行时序数据分类问题的一个入门项目，包括怎么用GRU、LSTM和Attention这些经典网络结构。 网络结构（具体可查看network.py文件）： 网络整体结构类似于TinySleepNet，对RNN部分进行了修改，增加了双向RNN、GRU、Attention等网络结构，可根据参数进行调整选择。 定义了seq_len参数，可以更灵活地调整batch_size与seq_len。 数据集加载（具体可查看dataset.py文件） 直接继承自torch的Dataset，并定义了seq_len和shuffle_seed，方便调整输入，并复现实验。 训练（具体可查看train.py文件）：
metalearning
09-18
Metalearning，也被称为元学习、学习到学习，指的是一种关注学习本身的学习方法和技术。它致力于提高学习效果和效率，帮助个体更好地适应新的学习任务和环境。 Metalearning的研究内容主要包括两个方面：学习算法和...

“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