Meta Learning

最新推荐文章于 2024-07-19 16:50:04 发布
最新推荐文章于 2024-07-19 16:50:04 发布
阅读量346 收藏 4
点赞数 3
文章标签： 深度学习 人工智能
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/weixin_74170225/article/details/139093730
版权

Meta Learning

learn to learn

meta-X —》X about X

学习如何学习

machine Learning是寻找一个函数 定义损失 优化

什么是元学习？

训练资料作为输入

LOSS取决于训练任务，每个任务中有训练资料与测试资料

image-20240521144053929

在元学习中需要考虑多个任务 例如分类过task1的表现后，再看task2的表现

最后的loss= l 1 l_1 l1​ + l 2 l_2 l2​

得到总体的loss

在传统机器学习任务中，我们一般使用训练集的误差作为最终loss

而在元学习中我们使用测试集误差作为loss

image-20240521145816934

经过训练后我们学到了学习的算法

这时候我们使用学习的算法 进行测试

将其使用在测试任务，将测试任务的训练资料放进去进行学习

学出来一个分类器 将其作用在测试任务的测试集中

few shot Learning 与 元学习的关系 ：fewshot（目标）经常使用元学习（手段）

image-20240521150313091

开始套娃

总览

meta L VS ML

都有over fitting

都要调参 但是meta是调调参的参数 一劳永逸

晨旭不想写程序
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
元学习(MetaLearning) 原理与代码实例讲解
禅与计算机程序设计艺术
05-31 893
1.背景介绍 元学习（也称为“学会学习”或“超学习”）是机器学习领域的一个研究热点，旨在使模型能够从不同任务中学到通用的知识，以便更快地适应新任务。随着深度学习的快速发展，人们越来越关注如何提高模型的泛化能力，使其在面对新的数据集或任务时能够快速适应并取得良好的性能。元学习就是这样一种技术，它通过在多个相关任务上学习，使得模型能够在面对新任务时实现快速
meta learning（李宏毅
linyuxi_loretta的博客
11-13 986
meta 元meta learning： learn to learn 学习如何学习大部分的时候deep learning就是在调hyperparameter、调hyperparameter真的很烦，决定什么network的架构啊、决定learning rate啊等等、实际上没有什么好方法来调这些hyperparameter、今天业界最常拿来解决调hyperparameter的方法呢就是买很多张gpu了、
meta learning
u014765410的博客
09-03 281
meta learning在 少量数据集上 可以达到很好的效果，其目标主要是 通过 对traindata的探索，从而制定出适合的学习策略。简而言之，meta learning要做的事就是 学习如何去学习。 meta learning将传统GANs的训练过程由：设计模型–>寻找数据–>验证模型(用数据去匹配模型)，更改为了：寻找数据–>设计模型–>验证模型(用模型去匹配数据)...
【Meta Learning学习笔记】Meta Learning详解
热门推荐
a312863063的博客
06-07 3万+
完整笔记：www.gwylab.com/note-meta_learning.html —————————————————————————————————— 前言 · 为何要研究Meta Learning？ 尽管我是研究生成模型的，但是最近对于meta learning产生了强烈的兴趣。理由在于，GANs本身是一个特别吃数据集的模型，从某种意义上来说，数据集的好坏对最后生成效果的影响，不...
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
meta learning综述
hellozhxy的博客
06-20 412
人类非常擅长通过极少量的样本识别一个新物体，比如小孩子只需要书中的一些图片就可以认识什么是“斑马”，什么是“犀牛”。在人类的快速学习能力的启发下，研究人员希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习，这就是 Few-shot Learning 要解决的问题。小样本学习的方法包括迁移学习、元学习、数据增强、半监督学习、主动学习等，这些方法可以降低模型对数据量的依赖，提高泛化性能，使得模型在处理长尾数据时具有更好的鲁棒性。
Awesome Meta Learning
John's Blogs
09-30 440
Awesome Meta Learning A curated list of Meta Learning papers, code, books, blogs, videos, datasets and other resources. Table of Contents Papers and Code Books Blogs Lecture Videos Datasets Workshops Researchers Papers and Code A curated set of papers al
MetaLearning入门
weixin_44755051的博客
10-30 1985
Meta Learning 入门 Introduction Machine Learning 让机器能够学习 Meta Learning 让机器学习应该如何学习 以上图为例，假设现在有一百个识别任务，例如是语音识别，图像识别等等，在这些任务学习完成之后，我们需要给机器一个新的任务，这个新的任务跟之前的一百个任务没有任何的关联，例如是一个文本分类任务。Meta-Learning要做的就是希望能够从前一百个识别任务中让机器在文本分类任务上表现得更加优秀。也就是说，机器在前面的学习中不仅仅学到了如何解决特定任务
强化学习-把元学习（Meta Learning）一点一点讲给你听
微积冰
03-17 7682
0 Write on the front Meta Learning翻译为元学习，本篇文章主要讲解什么是Meta Learning，元学习研究小白，若有不对，请各位大佬批评指正。 1 What is meta learning？ 《强化学习-什么是强化学习？白话文告诉你！》《强化学习-你在游戏中对战的人机是如何对付你的！》这两篇主要讲了强化学习的内容，那么元学习又是什么呢？它和传统的强化学习或者说跟传统的机器学习又什么不一样的地方呢？ 若我们把训练模型比喻成在学校学习，传统的机器学习学习...
MetaLearning
03-29
人工智能前沿研究，元学习研究资料—Meta-Learning: A Survey，Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networ，Online Meta-Learnin，Task Agnostic Meta-Learning for Few-Shot Learning
Hands-On Meta Learning with Python.epub
07-05
Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow
元学习综述，meta learning，A Survey of Zero-Shot Learning + poster
07-09
元学习，又称Meta-Learning，是一种机器学习方法，旨在通过在不同任务或环境中学习到的通用知识，使模型能够快速适应新的、未见过的任务。这种技术尤其受到关注，因为它能够解决传统机器学习方法中需要大量标注数据...
metalearning_tutorial.pdf
08-25
元学习（Meta-Learning）是机器学习领域的一个重要分支，特别是在深度学习和人工智能研究中占据着核心地位。元学习的主要目标是使机器学习系统能够快速适应新的任务或环境，即使在数据量有限的情况下也能实现高效的...
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。
13 循环神经网络—序列模型，语言模型
kaszxc的博客
07-16 120
时序模型中，当前数据跟之前观察到的数据相关自回归模型使用自身过去数据来预测未来马尔科夫模型假设当前只跟当前少数数据相关，每次都使用固定长度的过去信息来预测现在，从而简化模型潜变量模型使用潜变量来概括历史信息，使得模型拆分成两块：一块是根据现在观测到的数据来更新潜变量；另一块是根据更新后的潜变量和过去的数据来更新将来要观测到的数据内插法（在现有观测值之间进行估计）和外推法（对超出已知观测范围进行预测）在实践的难度上差别很大。
【深度学习】PyTorch框架(6)：GNN图神经网络理论和实践
最新发布
MUKAMO的博客
07-19 760
本文深入探讨了神经网络在图结构数据处理中的应用，介绍了图的邻接矩阵和边列表表示方法，以及图卷积网络（GCN）和图注意力网络（GAT）的实现。实践表明，图信息对提升预测模型性能至关重要，GNNs在社交网络、生物信息学、交通优化和推荐系统等领域具有巨大潜力，未来在AI领域将扮演更重要角色。
卷积加速算法img2col、Winograd、FFT
qq_56047026的博客
07-16 847
空间域中矩阵的卷积算子，实际等于频率域中两个矩阵元素相乘。但卷积的方向是相反的。通常情况下，feature的尺寸要比卷积的尺寸大很多，如果对两者进行快速傅里叶变换的话，得出来的两个矩阵大小不一样，不能进行对应位置相乘。为了可以让他们对应位置相乘，必须要对卷积核进行扩充，将其扩充到feature尺寸大小相同。也正是扩充过程，限制了方法的使用，只有当feature尺寸和卷积核尺寸大小差不多的时候，才会采用这种方法。通常有三种卷积方式：full、same、valid。
深度学习Day-25：Inception-V1算法实战与解析
m0_51359915的博客
07-16 830
Inception v1是一种深度卷积神经网络，该网络的最大特点是使用了Inception模块，该模块通过多种不同的卷积核来提取不同大小的特征图，并将这些特征图拼接在一起，从而同时考虑了不同尺度下的特征信息，提高了网络的准确性和泛化能力。在Inception v1中，Inception模块一般由1x1、3x3和5x5的卷积层以及一个最大池化层组成，同时还会在最后加上一个1x1的卷积层来减少通道数，从而避免参数过多的问题。
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：学习算法和学习策略。学习算法指的是用于解决特定问题的具体学习方法，如神经网络、决策树等。学习策略是指在特定任务和环境下选择、应用和调整学习算法的指导原则和技巧。 Metalearning的核心思想是通过对学习任务和学习情境的分析，发现一般性的规律和模式，以指导学习过程中的决策和优化。基于这些规律和模式，可以开发出一系列的元学习算法和元学习策略，从而提高学习的效果和效率。 在实际应用中，metalearning可以帮助人们更好地进行自主学习和适应性学习。它可以帮助我们在面对新的学习任务时，快速选取适合的学习算法和策略，减少试错和学习成本。同时，metalearning也可以用于优化传统的学习算法和策略，提高它们的性能和适应性。 总的来说，metalearning是一种关注学习本身的学习方法和技术，旨在提高学习效果和效率。通过研究学习算法和学习策略，可以发现学习的一般性规律和模式，从而指导学习过程，促进个体更好地适应新的学习任务和环境。

“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