元學習——Meta-Learning in Neural Networks: A Survey

元學習——Meta-Learning in Neural Networks: A Survey

做者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/

    這篇博文是對「Meta-Learning in Neural Networks: A Survey」的閱讀理解與總結，此文綜述了元學習的最新研究進展，對元學習初學者瞭解此領域有極大的參考價值。

    近年來，人們對元學習的興趣急劇上升。與傳統的Al方法不一樣，元學習的目的是改進學習算法自己，考慮到多個學習階段的經驗。這個範例提供了一個機會來解決深度學習的許多傳統挑戰，包括數據和計算瓶頸，以及泛化。本文描述了當代元學習的研究現狀。首先討論了元學習的定義，並在遷移學習和超參數優化等相關領域對元學習進行了定位。而後，提出一個新的元學習分類，提供了一個更全面的細分空間的元學習方法。此文還總結了元學習的一些有前途的應用和成功之處，例如小樣本學習和強化學習。最後討論了突出的挑戰和將來研究的前景。

1. 元學習形式化定義——從數據到任務

2. 元學習與其餘相關領域的比較

3. 元學習分類及現有論文總結

4. 元學習應用、挑戰與開放性問題

5. 元強化學習

6. 參考文獻

[1] Hospedales, T. M., Antoniou, A., Micaelli, P., & Storkey, A. J. Meta-learning in neural networks: a survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021.

[2] 薦讀 Meta-Learning in Neural Networks: A survey. 知乎 - Flood Sung- https://zhuanlan.zhihu.com/p/133159617