深度元学习
摘要
深度神经网络在拥有大量数据集和足够的计算资源的情况下能够取
得巨大的成功。然而，他们快速学习新概念的能力相当有限。元学
习是解决这一问题的一种方法，通过使网络学会如何学习。令人兴
奋的是深度元学习领域正在高速发展，但缺乏对当前技术的统一、
深刻的概述。这项工作就是在为读者提供理论基础，我们研究和总
结了主要的方法，这些方法被分为 度量；模型；和 基于优化
的技术。此外，我们确定了主要的开放挑战，如在异构基准上的性
能评估，以及元学习计算成本的降低。
关键词：元学习，学会学习，少镜头学习，迁移学习，深度学习
引言
近年来，深度学习技术在各种任务上取得了显著的成功，包括
玩游戏 等人， 年； 等人， 年、图像识别
!"# 等人， 年；$ 等人，% 年和机器翻译& 等人，
年。 尽管取得了这些进展，但仍有许多挑战有待解决，例如
为取得良好效果需要大量数据和训练。 这些要求严重限制了深度神
经网络快速学习新概念的能力，这是区别于人类智力的主要方面之
一'#("# 等人， 年；# 等人，) 年。
元学习被认为是克服这一挑战的一种策略*# 和
剩余63页未读，继续阅读
评论0