元学习

目录结构

• 元学习概述
  • 1 元学习概念
  • 2 元学习含义
  • 3 元学习单位
  • 4 基学习器和元学习器
    • 4.1 基学习器
    • 4.2 元学习器
  • 5 元学习工作原理
    • 5.1 元学习训练过程
  • 6 元学习关键
  • 7 元学习分类
• 基于优化的元学习
  • MAML
    • 1 MAML
      • 1.1 MAML 内层优化方式
      • 1.2 MAML 外层优化方式
    • 2 MAML 算法流程
    • 3 MAML 模型结构
    • 4 MAML 分类结果
    • 5 MAML 的优缺点
    • 6 对 MAML 的探讨
    • 参考文献
  • Reptile
    • 1 Serial Version Reptile
    • 2 Batched Version Reptile
    • 3 Reptile 分类结果
    • 参考文献
  • LEO
    • 1 LEO
    • 2 基础学习器
      • 2.1 编码器
      • 2.2 解码器
      • 2.3 基础学习器更新过程
    • 3 元学习器更新过程
    • 4 LEO 算法流程
    • 5 LEO 模型结构
    • 6 LEO 分类结果
    • 7 LEO 的优点
    • 参考文献
• 基于度量的元学习
  • SNAIL
    • 1 Preliminaries
      • 1.1 时序卷积和 soft-attention
      • 1.2 Meta-Learning
    • 2 SNAIL
      • 2.1 SNAIL 基础结构
      • 2.2 Modular Building Blocks
    • 3 SNAIL 分类结果
    • 参考文献
  • RN
    • 1 RN
    • 2 RN 目标函数
    • 3 RN 网络结构
      • 3.1 嵌入模块结构
      • 3.2 关系模块结构
    • 4 RN 分类结果
    • 参考文献
  • PN
    • 1 PN
    • 2 PN 算法流程
    • 3 PN 分类结果
    • 参考文献
  • MN
    • 1 MN
      • 1.1 注意力机制
      • 1.2 Full Context Embeddings
    • 2 网络结构
    • 3 损失函数
    • 4 MN 算法流程
    • 5 MN 分类结果
    • 6 创新点
    • 7 算法评价
    • 参考文献
• 基于模型的元学习
  • Learning to Learn
    • 1 问题提出
    • 2 Learning to Learn
      • 2.1 学习机制
      • 2.2 Coordinatewise LSTM optimizer
      • 2.3 预处理和后处理
    • 参考文献
  • Meta-Learner LSTM
    • 1 Meta-Learner LSTM
      • 1.1 梯度下降更新规则和 LSTM 单元状态更新规则的等价性
      • 1.2 Meta-Learner LSTM 设计思路
    • 2 Meta-Learner LSTM 单元状态更新过程
    • 3 Meta-Learner LSTM 算法流程
    • 4 Meta-Learner LSTM 模型结构
    • 5 Meta-Learner LSTM 和 MAML 的区别
    • 6 Meta-Learner LSTM 分类结果
    • 参考文献