元学习参考资料

原理解释

元学习可用于解决本文图像分类、自然语言处理和机器人技术等领域的问题。与深度学习不同，元学习使用较少的样本数据集，并考虑进一步改进模型泛化以获得更高的预测精度。元学习模型归纳为三类: 黑箱适应模型、基于相似度的方法模型和元学习过程模型。最近的应用集中在将元学习与贝叶斯深度学习和强化学习相结合，以提供可行的集成问题解决方案。 可参考 https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.php 下载 https://speech.ee.ntu.edu.tw/~hylee/ml/ml2022-course-data/More%20Meta%20(v6).pptx

视频

• https://www.bilibili.com/video/BV1Wv411h7kN?p=135
• https://www.bilibili.com/video/BV1Wv411h7kN?p=136
• https://www.bilibili.com/video/BV1Wv411h7kN?p=137
• https://www.bilibili.com/video/BV1Wv411h7kN?p=138
• https://www.bilibili.com/video/BV1Wv411h7kN?p=139
• https://www.bilibili.com/video/BV1Wv411h7kN?p=140
• https://www.bilibili.com/video/BV1Wv411h7kN?p=141
• https://www.bilibili.com/video/BV1Wv411h7kN?p=142
• https://www.bilibili.com/video/BV1Wv411h7kN?p=143
• https://www.bilibili.com/video/BV1Wv411h7kN?p=144
• https://www.bilibili.com/video/BV1Wv411h7kN?p=145
• https://www.bilibili.com/video/BV1Wv411h7kN?p=146
• https://www.bilibili.com/video/BV1Wv411h7kN?p=147
• https://www.bilibili.com/video/BV1Wv411h7kN?p=148
• https://www.bilibili.com/video/BV1Wv411h7kN?p=149
• https://www.bilibili.com/video/BV1Wv411h7kN?p=150
• https://www.bilibili.com/video/BV1Wv411h7kN?p=151
• https://www.bilibili.com/video/BV1Wv411h7kN?p=152
• https://www.bilibili.com/video/BV1Wv411h7kN?p=153

代码案例

使用MAML 和 FO-MAML、任务增强

• 源代码：https://github.com/virginiakm1988/ML2022-Spring/blob/main/HW15/HW15.ipynb
• 源代码说明幻灯片：https://github.com/virginiakm1988/ML2022-Spring/blob/main/HW15/HW15.pdf
• 配套练习说明视频：https://www.bilibili.com/video/BV1Wv411h7kN?p=154

参考资料

网络资源

• https://paperswithcode.com/task/meta-learning
• 元学习(meta learning) 最新进展综述论文

书籍

• 元学习：基础与应用(博文视点出品)
• Python元学习：通用人工智能的实现 （印） 苏达桑·拉维尚迪兰 配套代码 https://github.com/PacktPublishing/Hands-On-Meta-Learning-with-Python Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow