Meta-Learning 第4页

Few-Shot Image Classification with Meta-Learning（少样本）

1980年，KunihikoFukushima提出了第一个卷积神经网络（https://en.wikipedia.org/wiki/Kunihiko_Fukushima）。从那时起，由于计算能力的不断提高和机器学习社区的巨大努力，深度学习算法在与计算机视觉相关的任务上从未停止过提高它们的性能。2015年，何凯明和他在微软的团队报告说，他们的模型在对来自ImageNet的图像进行分类时表现优于人类（

jiaotong_jin·2020-08-16 05:25

再想 DiMP 的 Train&&Tracking

ModelInitializationModelPredictor-----ModelOptimaizerClassificationEstimatetargetstateOnlineTrackingTrainingDetailsExperiments补：与meta-learning

xwmwanjy666·2020-08-16 04:04

label-embedding在文本分类中的应用

所以挖了挖这个领域的研究，不挖不知道，一挖吓一跳，没想到这个坑还挺深的，看着看着就从普通的分类延续到few-shot，zero-shot以及meta-learning去了。

PaperWeekly·2020-08-11 16:16

[MTL(CVPR2019)]论文阅读笔记

Meta-TransferLearningforFew-ShotLearning论文地址代码写在前面这是cvpr19年又一篇用meta-learning做few-shotlearning的文章,跟MAML

gagajian·2020-08-06 13:22

(Few-shot )Review:Learning from the Past:Continual Meta-Learning with Bayesian Graph Neural network

1.提出问题现有的基于图网络做meta-learning的方法会有Catastrophicforgetting和insufficientrobustness的问题，导致不嗯呢个保持long-term的knowledge

bryce1010·2020-08-02 15:10

科研篇一：NeurIPS2019 分类整理-对抗样本&Meta-Learning

目录一、NeurIPS2019paper分类-对抗样本1.1.AdversarialExamplesAreNotBugs,TheyAreFeatures1.2.MetricLearningforAdversarialRobustness1.3.AdversarialSelf-DefenseforCycle-ConsistentGANs1.4.ModelCompressionwithAdversar

Leeyegy·2020-08-02 14:25

从元学习角度看待和思考通用智能（Valse2019\1\2）学习笔记

王宇雄（卡内基梅隆大学博士）：他做了很多one-shot，two-shot、few-shot的工作，他表示few-shotlearning学的是从小样本模型到大样本模型的映射，一个变化，一个迁移，目前的Meta-learning

gagajian·2020-07-31 10:25

《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》论文翻译笔记

此篇文章是对论文Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks的纯翻译，英语水平有限，很多地方是直接翻译，有不对的地方还请大家指正。另一篇详细解读文章请看博客摘要这篇文章提出一个模型无关的元学习算法，该算法适用于任何一个可使用梯度下降更新训练的模型，并且可用于分类、回归、强化学习等场景。元学习的目标是在大量不同的任务上预先训练出

田小成plus·2020-07-28 12:57

论文阅读：Meta-Learning in Neural Networks: A Survey

题目：Meta-LearninginNeuralNetworks:ASurvey论文地址：https://arxiv.org/abs/2004.05439作者：TimothyHospedales,AntreasAntoniou,PaulMicaelli,AmosStorkey发表：InarXiv2020.代码：无推荐：https://zhuanlan.zhihu.com/p/133159617ht

王小波_Libo·2020-07-28 08:35

论文阅读：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

论文地址：https://arxiv.org/abs/1703.03400代码：https://github.com/cbfinn/maml发表：ICML2017假设图里面，Task_1,Task_2,Task_3这3个点，是三个Task对应的最佳参数的位置。而我们的优化从A点（灰色点）开始。如果针对Task1,2,3单独作fine-tune（或者adaption），那参数优化的方向分别为Adap

王小波_Libo·2020-07-28 08:35

Learning to Learn and Predict: A Meta-Learning Approach for Multi-Label Classification

LearningtoLearnandPredict:AMeta-LearningApproachforMulti-LabelClassification2019-10-0111:29:54Paper:https://arxiv.org/pdf/1909.04176.pdf1.BackgroundandMotivation:多标签分类问题的目标是同时进行多个label的识别，且这些label是有一定

a1424262219·2020-07-27 18:19

姚班代有才人出：清华本科生用“最简单的形式”，大幅提高少样本学习性能...

鱼羊十三发自凹非寺量子位报道|公众号QbitA仅仅根据元学习(Meta-Learning)的基线，就彻底打败了所有“花里胡哨”的改进方法。就是这些看似简单，又容易被忽略的方法，却有着强大的魔力。

QbitAl·2020-07-27 17:15

Meta Network||论文笔记

2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019Meta-Learning论文笔记：MetaNetwork本文是对2017年ICML的一篇Meta-Learning

vieo·2020-07-12 11:46

ICLR 2020 元学习（Meta-learning）及小样本学习（Few-shot learning)等方向上接收论文总结

对ICLR2020接收论文中与元学习（Meta-learning）及小样本

yyywxk·2020-07-09 04:00

元学习（Meta-learning）

元学习（Meta-learning）概述1.定义：传统的机器学习研究模式是：获取特定任务的大型数据集，然后用这个数据集从头开始训练模型。

可以学习吗·2020-07-08 11:38

论文阅读笔记《Meta-learning for semi-supervised few-shot classification》

核心思想本文提出一种基于半监督训练的小样本分类算法。所谓半监督就是在训练集中即包括带有标签的图片，也包含不带有标签的图片，作者认为人类在学习物品分类时，也会观察到许多非目标类别的物体，这种学习方式更加接近实际使用需求，并且可以提高算法的泛化能力。本文以原型网络（PrototypicalNetwork）作为baseline，在此基础上提出了三种改进型，以满足无监督训练的需要。与原型网络（Prot

深视·2020-07-07 22:15

论文阅读笔记《Meta-Learning with Memory-Augmented Neural Networks》

核心思想本文提出一种带有记忆增强神经网络（Memory-AugmentedNeuralNetworks，MANN）的元学习算法用于解决小样本学习问题。我们知道LSTM能够通过遗忘门有选择的保留部分先前样本的信息（长期记忆），也可以通过输入门获得当前样本的信息（短期记忆），这一记忆的方式是利用权重的更新隐式实现的。而在本文中，作者希望利用外部的内存空间显式地记录一些信息，使其结合神经网络自身具备

深视·2020-07-07 22:14

Meta-learning with latent embedding optimization【论文笔记】

论文作者的代码(基于tensorflow)中文摘要基于梯度的元学习技术既广泛适用，又能熟练地解决具有挑战性的少样本学习和快速适应问题。然而，当在极低数据体系中的高维参数空间上操作时，它们具有实际困难。我们表明，通过学习模型参数的数据依赖潜在生成表示，并在这个低维潜在空间中执行基于梯度的元学习，可以绕过这些限制。由此产生的方法，潜在嵌入优化（LEO），将基于梯度的自适应过程与模型参数的基础高维空间分

Xie_learning·2020-07-07 01:26

Keras手动更新参数BUG记录

最近在学习meta-learning,因为里面涉及到一些需要手动更新参数的操作，尝试了通过先求loss，对trainable_variables进行梯度计算，然后再去作更新的操作，但是中途发现了很多的问题

caichao08·2020-07-05 17:23

CVPR 2020 & AAAI 2020元学习（Meta-learning）及小样本学习（Few-shot learning)等方向上接收论文总结

目录CVPR2020AAAI2020其他值得关注的论文参考资料CVPR2020官网链接：http://cvpr2020.thecvf.com/时间：Seattle,Washington，2020年6月14日-6月19日Meta-TransferLearningforZero-ShotSuper-Resolution论文：https://arxiv.org/abs/2002.12213Improve

yyywxk·2020-06-30 11:15

AutoML Chapter2 Meta-Learning

Chapter2Meta-Learning（元学习）2.1Introduction开始一个机器学习项目设计时，不会从零开始，一般会从已经有的实验，或者人们对机器学习任务的理解开始构建整个机器学习模型。元学习就是从数据出发进行学习，所需的数据是之前已经进行过的实验数据，包括之前训练模型的算法配置、超参数、网络结构、训练时间、模型评估等等，目的是从其中提取出新任务的最优模型或初始值。虽然新任务可能可能

G. Albert·2020-06-29 10:59

Meta-Learning with Differentiable Convex Optimization||论文阅读

Meta-LearningwithDifferentiableConvexOptimization元学习（Meta-Learning）：learningtolearn，从少量样本中快速学习和自我调节，并随着更多的样本可用时持续进行自我调节

vieo·2020-06-29 02:28

Meta-Learning: A Survey||论文阅读

2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019目录转载自：Meta-Learning

vieo·2020-06-29 02:57

Few-shot learning（少样本学习）和 Meta-learning（元学习）概述

目录（一）Few-shotlearning（少样本学习）1.问题定义2.解决方法2.1数据增强和正则化2.2Meta-learning（元学习）（二）Meta-learning（元学习）1.学习微调(LearningtoFine-Tune

CaoChengtai·2020-06-28 20:40

Meta-Learning in Neural Networks: A Survey元学习最新综述（翻译）

有能力的学者请参考原文，原文下载链接：https://arxiv.org/abs/2004.05439Meta-LearninginNeuralNetworks:ASurvey作者：TimothyHospedales,AntreasAntoniou,PaulMicaelli,AmosStorkey摘要：近年来，元学习领域，即“为学习而学习”，已经引起了人们极大的兴趣。与传统的人工智能方法不同，传统

小左先生·2020-06-25 14:02

Meta-Learning with Differentiable Convex Optimization||论文阅读

Abstract很多元学习方法都依赖于简单的基础学习者，比如最近邻分类器。然而，即使是在很少的情况下，经过区别训练的线性预测器也能提供更好的泛化。我们建议使用这些预测器作为基础学习者来学习用于少镜头学习的表示，并表明它们在一系列少镜头识别基准中提供更好的特征大小和性能之间的折衷。我们的目标是学习新类别在线性分类规则下的特征嵌入。为了有效地解决这个问题，我们利用线性分类器的两个性质:凸问题最优性条件

假言命题·2020-06-25 12:49

论文：learning to propagate labels ：transductive propagation network for few-shot learning

一种解决方式就是通过元学习（meta-learning）

choose_c·2020-06-22 22:33

深度学习 | (8) GNN、NAS、Meta-Learning哪个更可能带来深度学习的突破？

原文地址GNN：图神经网络NAS（NeuralArchitectureSearch）：网络结构搜索Meta-Learning:元学习图神经网络主要还是能拓宽深度学习的应用范围吧（深度学习在图结构数据上的应用

CoreJT·2020-03-14 21:04

【论文整理】meta-learning

meta-learningAcuratedlistofMeta-Learningresources.Inspiredbyawesome-deep-vision,awesome-adversarial-machine-learning,awesome-deep-learning-papers,andawesome-architecture-search.Pleasefeelfreetopullreq

DrogoZhang·2019-12-14 19:17

【元学习】Meta Learning 介绍

目录元学习（Meta-learning）元学习被用在了哪些地方？

虔诚的树·2019-10-17 21:00

Adapting Meta Knowledge Graph Information for Multi-Hop Reasoning over Few-Shot Relations

AdaptingMetaKnowledgeGraphInformationforMulti-HopReasoningoverFew-ShotRelations（2019EMNLP）Idea：该论文利用meta-learning

羽_羊·2019-10-12 17:36

元学习笔记——MAML

这里写自定义目录标题元学习元学习架构元学习现状MAML算法原理算法流程算法流程后续研究参考文献元学习元学习（meta-learning），或者学会学习（learningtolearning），指通过学习一系列相似任务

liz_lee·2019-08-23 11:11

元学习笔记——MAML

这里写自定义目录标题元学习元学习架构元学习现状MAML算法原理算法流程算法流程后续研究参考文献元学习元学习（meta-learning），或者学会学习（learningtolearning），指通过学习一系列相似任务

liz_lee·2019-08-23 11:11

元学习：学会快速学习 - Meta-Learning:Learning to Learn Fast博客搬运/翻译/笔记

原文地址：https://lilianweng.github.io/lil-log/2018/11/30/meta-learning.html#memory-augmented-neural-networksbilibili有一个不错综述视频（英语英文字幕）：元学习：从小样本学习到快速强化学习(ICML2019Tutorial)https://www.bilibili.com/video/av58

奶瓶他哥·2019-07-12 18:01

MAML: Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks (模型无关的元学习用于快速适应深度网络)

目录1.摘要2.介绍2.算法2.1问题设置2.2算法3.个人理解3.1学习过程：3.2初始化4.其他5.论文链接1.摘要文章提出了一种新的元学习(Meta-learning)的算法，这种算法与模型无关，

CaoChengtai·2019-06-28 11:29

Meta-Learning with Latent Embedding Optimization (LEO)论文阅读

1.论文阅读Meta-LearningwithLatentEmbeddingOptimization该文是DeepMind提出的一种meta-learning算法，该算法是基于ChelseaFinn的MAML

Liekkas_Javey·2019-06-25 17:43

元学习(Meta-Learning) 综述及五篇顶会论文推荐

元学习(Meta-Learning)综述及五篇顶会论文推荐元学习小样本学习论文总结200篇原创：专知【导读】MetaLearning元学习或者叫做LearningtoLearn学会学习是当下研究热点。

vieo·2019-05-07 14:42

元学习——meta-learning

前言称不上多熟悉这个领域，毕竟还没有系统调研。最近读了两篇论文，权当总结。学习优化器简介:在这种方法中，一个网络（元学习器meta-learner）学习更新另一个网络（学习器learner），以便学习器高效地学习任务。为了更好地优化神经网络，人们对这种方法进行了广泛的研究。元学习器通常是循环网络，以便记住之前是如何校正学习器模型的.论文：OPTIMIZATIONASAMODELFORFEW-SHO

2014乘风破浪2014·2019-05-05 18:29

Learning to learn by gradient descent by gradient descent||元学习||自动学习优化器的设计

Learningtolearnbygradientdescentbygradientdescent-PyTorch实践原始链接而针对一个特定的优化问题，也许一个特定的优化器能够更好的优化它，我们是否可以不根据人工设计，而是让优化器本身根据模型与数据，自适应地调节，这就涉及到了meta-learning

vieo·2019-05-05 15:47

小样本学习论文--Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

文章目录一、前言二、论文解读1、概述2、主要内容2.1问题设定2.2与模型无关的元学习算法三、代码解析1、抽取数据2、MAML3、训练过程一、前言学过深度学习的同学都应该知道，深度学习算法的精度是要靠数据的量来保证的，我们人类可以在看到若干次狗的样子后，就学会如果分辨狗，但是深度学习的算法可能要看上很多次。在很多领域中，数据的获取的非常昂贵的。如果让机器能够像人类一样只需要看几次就能分辩出物体是当

smart_hang·2019-04-23 17:01

联邦学习论文阅读：Federated meta-learning for recommendation

sArkLab的文章Federatedmeta-learningforrecommendation的阅读笔记想法用元学习的方法解决少数据的问题，并用差分隐私保护用户的隐私性这篇文章作者声称有两点创新，一是meta-learning

thormas1996·2019-04-01 11:49

强化学习论文(3): One-Shot Hierarchical Imitation Learning of Compound Visuomotor Tasks

关于metalearning这里有一个不错的快速介绍：Meta-learning（元学习）和3D-CNN总结摘要这篇文章考虑的是机器人根据人类的演示video和其他目标子任务的示例，完成多步骤视觉任务的问题

南阁风起·2019-02-23 22:10

从NeurIPS 2018看AI发展路线！

Scalability）**计算或存储的成本不与神经元的数量成二次方或线性比例的神经网络；持续学习（ContinualLearning）**那些必须不断地从环境中学习而不忘记之前获得的技能和重置环境能力的代理；元学习（Meta-Learning

阿里云云栖社区·2019-01-18 00:00

Reptile:On First-Order Meta-Learning Algorithms

与MAML类似，Reptile是一种寻找神经网络初始化参数的元学习方法，在新任务上只需要少量数据进行fine-tune。与MAML不同的是，Reptile只需要简单地每个任务上执行SGD而不需要像MAML一样计算两次微分。这使得Reptile消耗的计算量和内存更少。在MAML中，作者也使用了一次微分进行了实验，发现效果是差不多的，虽然看起来是丢失了一些信息，确切的说，本文就是基于FOMAML的。M

liuglen·2018-12-09 22:20

MAML:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

元学习的目标是在各种学习任务上训练一个可以仅仅使用少量训练样本就可以解决新任务的模型，在本文中，模型的参数训练很明确，所以从新任务的少量样本做几步梯度下降就可以在新任务上得到好的泛化性。同时，由于模型可应用于一系列使用梯度下降训练的模型，包括分类，回归，强化学习等等，所以也叫作模型无关的模型。本文的关键思想在于训练模型的初始参数，使得模型的参数在某个新任务上仅适用少量样本经过一步或者几步梯度下降更

liuglen·2018-12-09 22:31

CAML: FAST CONTEXT ADAPTATION VIA META-LEARNING

本文同样以MAML为基础，与MAML不同的是，MAML在每个新任务上会更新所有的参数，而CAML将模型的参数分成了两部分，一部分是contextparameters，作为模型的额外输入使其适应于单独的任务；另一部分是sharedparameters，在任务间共享并通过元学习训练过程优化。CAML在每个新任务上只更新模型的context部分的参数，这样可以在使用更大的网络情况下避免在单一任务上过拟合

liuglen·2018-12-09 21:11

Meta-Learning 论文

MetaLearning/LearningtoLearn/OneShotLearning/LifelongLearning转自github:https://github.com/floodsung/Meta-Learning-Papers1LegacyPapers[1]NicolasSchweighoferandKenjiDoya.Meta-learninginreinforcementlearn

Demian_Neit·2018-11-24 09:03

Meta-Learning（0）

小白刚刚接触Meta-Learning,在网上搜索了相关资料进行了整理，今后还会进行更深入的学习。什么是元学习？元学习是机器学习的一个子领域，是将自动学习算法应用于机器学习实验的元数据上。

ML_amateur·2018-11-17 21:08

论文笔记：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

原文链接：http://www.cnblogs.com/wangxiaocvpr/p/9615245.htmlModel-AgnosticMeta-LearningforFastAdaptationofDeepNetworksICML2017Paper：https://arxiv.org/pdf/1703.03400.pdfCodefortheregressionandsupervisedexpe

a1424262219·2018-09-09 21:00

Meta-learning（元学习）和 3D-CNN 总结

Meta-learningand3D-CNN总结##Meta-learning**Meta-learning（元学习）**方法是近期的研究热点，加州伯克利大学在这方面做了大量工作。

xzw95·2018-08-17 21:54

推荐频道

Meta-Learning

Few-Shot Image Classification with Meta-Learning（ 少样本）

再想 DiMP 的 Train&&Tracking

label-embedding在文本分类中的应用

[MTL(CVPR2019)]论文阅读笔记

(Few-shot )Review:Learning from the Past:Continual Meta-Learning with Bayesian Graph Neural network

科研篇一：NeurIPS2019 分类整理-对抗样本&Meta-Learning

从元学习角度看待和思考通用智能（Valse2019\1\2）学习笔记

《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》 论文翻译笔记

论文阅读：Meta-Learning in Neural Networks: A Survey

论文阅读：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

Learning to Learn and Predict: A Meta-Learning Approach for Multi-Label Classification

姚班代有才人出：清华本科生用“最简单的形式”，大幅提高少样本学习性能...

Meta Network||论文笔记

ICLR 2020 元学习（Meta-learning）及小样本学习（Few-shot learning)等方向上接收论文总结

元学习（Meta-learning）

论文阅读笔记《Meta-learning for semi-supervised few-shot classification》

论文阅读笔记《Meta-Learning with Memory-Augmented Neural Networks》

Meta-learning with latent embedding optimization【论文笔记】

Keras手动更新参数BUG记录

CVPR 2020 & AAAI 2020元学习（Meta-learning）及小样本学习（Few-shot learning)等方向上接收论文总结

AutoML Chapter2 Meta-Learning

Meta-Learning with Differentiable Convex Optimization||论文阅读

Meta-Learning: A Survey||论文阅读

Few-shot learning（少样本学习）和 Meta-learning（元学习）概述

Meta-Learning in Neural Networks: A Survey元学习最新综述（翻译）

Meta-Learning with Differentiable Convex Optimization||论文阅读

论文：learning to propagate labels ：transductive propagation network for few-shot learning

深度学习 | (8) GNN、NAS、Meta-Learning哪个更可能带来深度学习的突破？

【论文整理】meta-learning

【元学习】Meta Learning 介绍

Adapting Meta Knowledge Graph Information for Multi-Hop Reasoning over Few-Shot Relations

元学习笔记——MAML

元学习笔记——MAML

元学习：学会快速学习 - Meta-Learning:Learning to Learn Fast博客搬运/翻译/笔记

MAML: Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks (模型无关的元学习用于快速适应深度网络)

Meta-Learning with Latent Embedding Optimization (LEO)论文阅读

元学习(Meta-Learning) 综述及五篇顶会论文推荐

元学习——meta-learning

Learning to learn by gradient descent by gradient descent||元学习||自动学习优化器的设计

小样本学习论文--Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

联邦学习论文阅读：Federated meta-learning for recommendation

强化学习论文(3): One-Shot Hierarchical Imitation Learning of Compound Visuomotor Tasks

从NeurIPS 2018看AI发展路线！

Reptile:On First-Order Meta-Learning Algorithms

MAML:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

CAML: FAST CONTEXT ADAPTATION VIA META-LEARNING

Meta-Learning 论文

Meta-Learning（0）

论文笔记：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

Meta-learning（元学习）和 3D-CNN 总结

Few-Shot Image Classification with Meta-Learning（少样本）

《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》论文翻译笔记