meta-learning

元学习（Meta-learning）如MAML（Model-Agnostic Meta-Learning）的优点和缺点，以及使用元学习如MAML时，需要注意以下问题

元学习（Meta-learning）如MAML（Model-AgnosticMeta-Learning）1.元学习（Meta-learning）如MAML（Model-AgnosticMeta-Learning

小桥流水---人工智能·2024-02-02 19:38

Learning to Learn Better Unimodal Representations via Adaptive Multimodal Meta-Learning

文章目录AMML：通过自适应多模态元学习，学会更好地学习单模态表征文章信息研究目的研究内容研究方法1.总体架构2.网络结构3.UnimodalNetwork4.DistributionTransformationLayer5.MultimodalNetwork6.AdaptiveMultimodalMeta-Learning结果与讨论代码和数据集符号含义AMML算法AMML：通过自适应多模态元学习

鱼儿也有烦恼·2024-01-25 13:21

Meta Llama大模型：引领人工智能创新的巅峰之作

该模型的设计灵感来自于元学习（meta-learning

百度_开发者中心·2024-01-24 15:12

《Learning to Reweight Examples for Robust Deep Learning》笔记

[1]用meta-learning学样本权重，可用于classimbalance、noisylabel场景。

HackerTom·2024-01-23 06:54

【论文阅读笔记】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs - EMNLP 2019

知识图谱-->知识补全-->长尾问题-->元关系学习基于度量的方法基于优化的方法（本文）文章目录Abstract1Introduction2RelatedWork2.1知识图谱嵌入2.2元学习（Meta-Learning

卷卷0v0·2024-01-01 02:14

随机网络中通过Hebbian可塑性进行元学习(Meta-Learning through Hebbian Plasticity in Random Networks)

随机网络中通过Hebbian可塑性进行元学习(Meta-LearningthroughHebbianPlasticityinRandomNetworks)概述Lifelonglearning和适应性是生物行为的两个定义方面。现代强化学习（RL）方法已显示出在解决复杂任务方面的重大进步，但是，一旦训练结束，找到的解决方案通常是静态的，并且无法适应新的信息或应对干扰。尽管仍不能完全理解生物大脑如何从经

Man in Himself·2023-12-28 21:16

机器学习之元学习（Meta-Learning）

概念元学习（Meta-Learning）是一种机器学习方法，其目标是使模型能够快速适应新任务。在传统机器学习中，模型通常通过从大量标记数据中进行训练来学习任务特定的知识。

贾斯汀玛尔斯·2023-12-19 08:47

解读Been There, Done That: Meta-Learning with Episodic Recall

最近在研究的线路就是：metallearning+episodicmemory.我觉得agent需要能学习各种任务，也需要有记忆把学到的抽象的东西保存下来，这样可以１．通过搜索，联想，推理，在遇到新任务时，看似不相同也能从经验中快速学到规律，这样可以减少漫无边际的游荡在搜索空间的时间。２．重复出现的任务，就可以直接从记忆调取拿来用了。这篇论文要解决或因面临什么样的现状而产生的？１当面临结构相近可是

特芬奇斯拉星人·2023-12-04 20:37

【论文笔记】Multimodality in Meta-Learning: A Comprehensive Survey

论文标题：MultimodalityinMeta-Learning:AComprehensiveSurvey论文地址：https://arxiv.org/abs/2109.13576发表时间：2021年9月Abstract元学习作为一种训练框架而广受欢迎，它比传统的机器学习方法更具有数据效率。然而，它在复杂任务分布（例如多模态任务）中的泛化能力尚未得到深入研究。最近，出现了一些关于基于多模态的元学

来自γ星的赛亚人·2023-11-25 11:44

【Nature】Human-like systematic generalization through a meta-learning neural network

文章目录前置知识动机结果MLC架构MLC实施讨论前置知识\quadmeta-learning中，每个epoch包含了若干eposide，每个eposide包含若干个类别的SupportSet和QuerySet，不同eposide之间的数据是独立的。每个eposide进行一次前向传播和梯度更新。\quadmeta-learning是task-level的，用于学习函数，也就是用于学习规则。Code:

Iron_lyk·2023-11-06 00:28

Shape-Aware Meta-Learning 在模型泛化中引入形状约束

论文来源：Liu,Quande,QiDou,andPheng-AnnHeng.“Shape-awareMeta-learningforGeneralizingProstateMRISegmentationtoUnseenDomains.”InInternationalConferenceonMedicalImageComputingandComputer-AssistedIntervention,

JYZhang_sh·2023-11-05 21:18

META-LEARNING WITH ATTENTION FOR IMPROVED FEW-SHOT LEARNING论文笔记

好久没看到这么好的论文了,这才是论文嘛~普林斯顿大学的ZejiangHou(没找到中文名可能是侯泽江?)论文主要就是在MAML的基础上添加了三个部分,一个是和L2F类似的用额外网络通过输入中间变量或梯度信息计算一个权重来动态调整模型参数达到task-specific的效果,另一个是一种特殊线性分类器构造方法用于作分类器,最后一个是在inner_loop中按无监督手段把queryset里数据视为无标

李耕_嘿嘿嘿黑龙江哈哈哈哈尔滨·2023-11-05 07:37

Meta-learning algorithms for Few-Shot Computer Vision论文解读（一）

Meta-learningalgorithmsforFew-ShotComputerVision论文解读一小样本分类算法元学习范式元学习算法基于梯度的元学习度量学习的元学习方法小样本分类数据集小样本检测参考文献篇幅所限，本篇只整理了文章的前两部分，最后一部分作者的贡献稍后更新由于是综述性质文章，所以大部分是直接翻译，不通顺内容大多按照我的理解重写过，但是可能仍存在一些小的翻译问题，建议对照原文学习

海南1506·2023-11-02 14:05

Incremental Object Detection via Meta-Learning【论文解析】

IncrementalObjectDetectionviaMeta-Learning摘要1介绍2相关工作3方法3.1问题描述3.2元学习梯度预处理3.3增量式目标检测器摘要摘要：在真实世界的情境中，目标检测器可能会不断遇到来自新类别的物体实例。当现有的目标检测器应用于这种情景时，它们对旧类别的性能会显著下降。已经有一些努力来解决这个限制，它们都应用了知识蒸馏的变体来避免灾难性遗忘。然而，我们注意到

黄阳老师·2023-11-02 14:55

Decomposed Meta-Learning for Few-Shot Named Entity Recognition

原文链接：https://aclanthology.org/2022.findings-acl.124.pdfACL2022介绍问题目前基于span的跨度量学习（metriclearning）的方法存在一些问题：1）由于是通过枚举来生成span，因此在解码的时候需要额外处理重叠的span；2）non-entites类别的原型通常都是噪声；3）跨域时，最有用的信息就是当前领域有限的样本，之前的方法只

pepsi_w·2023-10-26 20:28

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

MAML的核心思想是利用元学习来找到一个好的模型初始化，从而能够在新任务上进行快速适应。这种方法旨在处理“少样本学习”的挑战，即当新任务的数据量非常有限时如何有效地学习。传统学习的数据点是一个样本，而元学习的数据点是一个小数据集（任务），任务包含了很多样本。元学习对每个任务中的每个样本进行训练得到每个任务的loss，并得到任务的损失和losses。对losses进行优化来更新元学习模型的参数。MA

lude·2023-10-12 08:21

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

摘要我们研究了知识外推问题，以在联邦设置中嵌入新兴知识图(KGs)带来的新组件(即实体和关系)。在这个问题中，在现有的KG上训练的模型需要嵌入一个新的KG，其中包含不可见的实体和关系。为了解决这个问题，我们引入了元学习设置，在现有的KG上采样一组任务来模拟新KG上的链接预测任务。基于采样任务，我们元训练了一个图神经网络框架，该框架可以基于结构信息为未见组件构建特征并为其输出嵌入。实验结果表明，我们

小蜗子·2023-10-02 13:31

chatGPT笔记

六、GPT3在算数方面的能力七、GPT相比于bert的优点是什么八、元学习(meta-learning)是什么九、chatGPT的优缺点十一、chatGPT

hit56实验室·2023-09-13 12:53

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

前言要弄清MAML怎么做，为什么这么做，就要看懂这两张图。先说MAML**在做什么？**它是打着Mate-Learing的旗号干的是few-shotmulti-taskLearning的事情。具体而言就是想训练一个模型能够使用很少的新样本，快速适应新的任务。定义问题我们定义一个模型fff,输入xxx输出aaa。-定义每一个Task-TTT包含一个损失函数LLL,一个原始观察q(x1)q(x_1)q

BlueagleAI·2023-08-27 08:47

论文阅读 - Few-shot Network Anomaly Detection via Cross-network Meta-learning

论文链接：https://arxiv.org/pdf/2102.11165.pdf目录摘要：引言问题定义方法GraphDeviationNetworksCross-networkMeta-learning摘要：网络异常检测旨在找到与绝大多数行为显着不同的网络元素（例如节点、边、子图）。它对从金融、医疗保健到社交网络分析等各种应用产生了深远的影响。由于难以承受的标签成本，现有方法主要是以无监督的方式

无脑敲代码，bug漫天飞·2023-08-01 16:41

深度学习应用篇-元学习[13]：元学习概念、学习期、工作原理、模型分类等

深度学习应用篇-元学习[13]：元学习概念、学习期、工作原理、模型分类等1.元学习概述1.1元学习概念元学习(Meta-Learning)通常被理解为“学会学习(Learning-to-Learn)”，

·2023-06-14 11:01

深度学习应用篇-元学习[13]：元学习概念、学习期、工作原理、模型分类等

深度学习应用篇-元学习[13]：元学习概念、学习期、工作原理、模型分类等1.元学习概述1.1元学习概念元学习(Meta-Learning)通常被理解为“学会学习(Learning-to-Learn)”，

·2023-06-14 11:01

论文笔记：Prompt-Based Meta-Learning For Few-shot Text Classification

论文来源：EMNLP2022论文地址：2022.emnlp-main.87.pdf(aclanthology.org)代码地址：GitHub-MGHZHANG/PBMLGB/T7714ZhangH,ZhangX,HuangH,etal.Prompt-BasedMeta-LearningForFew-shotTextClassification[C]//Proceedingsofthe2022Con

Daisymanman·2023-04-16 10:43

Meta-Learning and in-context Learning

Howtotrainin-contextLearning前导：InductiveLearning译为“归纳式学习”，即根据对以往数据的观察，来预测新数据的属性；在机器学习中，就是根据已有数据，学习出一个分类器，然后应用到新的数据或任务，对应meta-learning

hithithithithit·2023-04-16 08:25

论文阅读（62）Meta-learning for semi-supervised few-shot classification

续袁·2023-04-04 18:22

[行人重识别论文阅读]Meta Batch-Instance Normalization for Generalizable Person Re-Identification

论文地址：https://arxiv.org/abs/2011.14670论文代码：https://github.com/bismex/MetaBIN.预备知识：meta-learning[李宏毅老师的讲解笔记

zlsd21·2023-03-30 12:50

【论文阅读】Frustratingly Simple Few-Shot Object Detection

先前的工作表明Meta-Learning是一种有希望的方法。但是，微调技术很少引起注意。我们发现，在稀有类上只对现有探测器的最后一层进行微调对于Few-ShotObjectDetection至关重要。

c1assy·2023-03-30 03:43

元学习（Meta-learning）——让机器学习如何学习

1元学习概述元学习的意思即“学会如何学习”。在机器学习中，工作量最大也是最无聊的事情就是调参。我们针对每一个任务从头开始进行这种无聊的调参，然后耗费大量的时间去训练并测试效果。因此，一个直观的想法是：我们是否能让机器自己学会调参，在遇到相似任务时能够触类旁通、举一反三，用不着我们从头开始调参，也用不着大量标签数据重新进行训练。通常的机器学习是针对一个特定的任务找到一个能够实现这个任务的functi

偶尔写一写·2023-03-15 07:59

chatgpt

GPT-3：训练使用了情境学习（In-contextLearning），它是元学习（Meta-learning）的一种，元学习的核心思想在于通过少量的数据寻找一个合适的初始化范围，

Jeu·2023-03-14 12:15

一文通俗讲解元学习（Meta-Learning）

©PaperWeekly原创·作者|孙裕道学校|北京邮电大学博士生研究方向|GAN图像生成、情绪对抗样本生成元学习（meta-learning）是过去几年最火爆的学习方法之一，各式各样的paper都是基于元学习展开的

PaperWeekly·2023-02-17 07:21

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

Csdn-Yxt·2023-02-06 08:51

2020.3 Enhanced meta-learning for cross-lingual named entity recognition with minimal resources 阅读笔记

MotivationProblemSetting:a)Onesourcelanguagewithrichlabeleddata.b)Nolabeleddatainthetargetlanguage.现有的Cross-lingulaNER方法可以分为两大类：a)Labelprojection(generatelabeleddataintargetlanguages)paralleldata+word

元气少女wuqh·2023-02-01 08:49

[CVPR 2019] Meta-Transfer Learning for Few-Shot Learning

Meta-TransferLearningforFew-ShotLearning论文代码推荐指数：⭐⭐⭐⭐属于用meta-learning做fsl相比MAML，使用更深的网络，但只更新部分参数使用难样本挖掘提升网络精度

一亩高粱·2023-01-29 10:46

初探元学习（Meta-Learning）

九月中下旬好像并没有那么顺心很多东西积压着思绪无从下手很久没有冒痘也冒痘了生理和心理双重奏希望接下来顺利一点吧！今天就记录一下小样本学习中的元学习。元学习什么是元学习？元学习即Meta-Learnig，它希望模型获取一种“学会学习”的能力，使其可以在获取已有“知识”的基础上快速学习新的任务，它的意图在于通过少量的训练实例设计能够快速学习新技能或适应新环境的模型。一个通俗易懂的区分：与机器学习机器学

LiBiscuit·2023-01-28 16:05

AutoML框架-Auto-sklearn学习笔记01-原理及基本使用方法（参数、函数解析）

1、介绍官网：APIs—AutoSklearn0.15.0documentation源码：https://github.com/automl/auto-sklearn主要功能：自动学习样本数据:meta-learning

我是菜狗子·2023-01-21 15:50

ECCV 2022《Few-Shot Classification with Contrastive Learning》

0Abstract1Introduction2Pre-Training3Meta-Training4Experiment5Conclusion0Abstract作者指出他们提出了一种新颖的基于对比学习的FSL网络框架，这种框架可以将对比学习很好的集成到现在广泛使用的two-stagetrainingparadigm(包括pre-training和meta-learning

脑瓜嗡嗡0608·2023-01-15 11:32

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

摘要我们为元学习提出了一个算法是模型无关model−agnosticmodel-agnosticmodel−agnostic.在某种意义上，其与用梯度下降训练的模型是兼容的，可以应用在大量不同的学习问题上。包括：分类、回归、和加强学习。元学习的目标是正在学习任务上变体的modelmodelmodel。其能够仅使用小数量的训练示例去解决新的正在学习的任务learningtask在我们的方法中，模型的

big_matster·2023-01-14 12:28

Meta-learning原来有这么多用途，一文汇总元学习在5个问题中的应用

如果觉得我的算法分享对你有帮助，欢迎关注我的微信公众号“圆圆的算法笔记”，更多算法笔记和世间万物的学习记录～在Meta-learning核心思想及近年顶会3个优化方向一文中，我们从meta-learning

fareise·2023-01-12 12:08

2022 general purpose in-context learning by meta-learning transformers

wps:option+left回到上一个视图KirschL,HarrisonJ,Sohl-DicksteinJ,etal.General-purposein-contextlearningbymeta-learningtransformers[J].arXivpreprintarXiv:2212.04458,2022.目录KirschL,HarrisonJ,Sohl-DicksteinJ,etal

文三路张同学·2023-01-11 07:20

元学习概述（Meta-Learning）

转载自：凉爽的安迪-深度瞎学一文入门元学习（Meta-Learning）写在前面：迄今为止，本文应该是网上介绍【元学习（Meta-Learning）】最通俗易懂的文章了（保命），主要目的是想对自己对于元学习的内容和问题进行总结

一只工程狮·2023-01-11 06:15

入门元学习（Meta-Learning）（附代码）2021-07-01

转自：凉爽的安迪腾讯算法工程师https://zhuanlan.zhihu.com/p/136975128写在前面：迄今为止，本文应该是网上介绍【元学习（Meta-Learning）】最通俗易懂的文章了

myWhaleSon·2023-01-11 06:40

Meta-learning algorithms for Few-Shot Computer Vision, YOLOMAML

论文：https://arxiv.org/abs/1909.13579代码：https://github.com/ebennequin/FewShotVision研究背景在目标检测领域，YOLO等算法需要大量的基类图片作为训练支持。若部分检测目标本身就难以获得注释或较为稀缺，现有模型将出现过拟合而无法泛化。此类问题被统称为小样本学习，目前仍缺乏有效的解决方法。2018年，ChelseaFinn提出

小灰灰的灰灰兰兰·2023-01-11 01:41

【Meta-Learning】Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

文章目录Abstract1Introduction2Model-AgnosticMeta-learning2.1Meta-LearningProblemSet-up2.2AModel-AgnosticMeta-LearningAlgorithm3ExperimentalEvaluation3.1Regression3.2Classification4DiscussionandFutureWorkA

桑戈塔的七菇凉·2023-01-03 14:20

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks相关

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019论文翻译：https://blog.csdn.net/weixin_41803874/article/details/91454944Thevideotutorialcanbe

TBYourHero·2023-01-03 14:50

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)简析

元学习(meta-learning)已经有很多定义了，最常见的就是学习学习，即learningtolearn。

薛定谔的哆啦B梦·2023-01-03 13:40

[Paper Note] Learning to Reweight Examples for Robust Deep Learning

本文提出了meta-learning的算法，基于梯度方向调整权重。具体做法是需要保证获得一个足够干净的小样本数据集，每经过一轮batch大小

Jemary_·2023-01-01 14:20

【论文笔记】Effective Policy Adjustment via Meta-Learning for Complex Manipulation Tasks

【论文笔记】EffectivePolicyAdjustmentviaMeta-LearningforComplexManipulationTasksAbstract本文提出的方法是将元强化学习的MAML算法与HER事后经验回放算法结合。HER算法提升智能体在稀疏奖励环境下的探索能力MAML元学习算法能够在新任务下通过快速调整参数，提升其在利用环境下能力HER+MAML方法可以加速新任务下策略的微调

Ctrl+Alt+L·2022-12-29 07:32

论文阅读 6 | Bayesian Meta-Learning for the Few-Shot Setting via Deep Kernels

基于深度核的少样本设置的贝叶斯元学习摘要1简介1.1动机2背景2.1Few-shotLearning2.2Kernels3方法说明3.1回归3.2分类4相关工作5实验5.1回归5.2分类5.3跨域分类6结论BroaderImpact摘要最近，已经引入了不同的机器学习方法来解决具有挑战性的少样本学习场景，即从与特定任务相关的小标记数据集中学习。常见的方法采取了元学习的形式：学习如何在旧问题的基础

♡来年秋风起♡·2022-12-29 01:28

Learning to Generalize:Meta-Learning for Domain Geralization 深度理解（公式详细推导，包含二阶导）

1.算法整体流程输入：训练域为:SSS初始化：模型参数θ\thetaθ,学习率：β,γ\beta,\gammaβ,γforiteiniterationsdoSplit:Sˉ\bar{S}SˉandSˇ\check{S}Sˇ→\rightarrow→SSSMeta-train:Gradients∇θ1=Fθ′(Sˉ;θ)\nabla_{\theta_1}=\mathcal{F^{'}_\theta}

dailleson_·2022-12-22 09:08

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

摘要我们研究了知识外推问题，以便在联合设置中嵌入新的组件(即实体和关系)，这些组件伴随着新出现的知识图(kg)。在这个问题中，在现有KG上训练的模型需要嵌入一个具有不可见实体和关系的新兴KG。为了解决这个问题，我们引入了元学习设置，其中在现有KG上采样一组任务，以模拟新兴KG上的链接预测任务。基于采样任务，我们元训练了一个图神经网络框架，该框架可以基于结构信息和输出嵌入为不可见组件构建特征。实验结

小蜗子·2022-12-21 04:36

推荐频道

meta-learning

元学习（Meta-learning）如MAML（Model-Agnostic Meta-Learning）的优点和缺点，以及使用元学习如MAML时，需要注意以下问题

Learning to Learn Better Unimodal Representations via Adaptive Multimodal Meta-Learning

Meta Llama大模型：引领人工智能创新的巅峰之作

《Learning to Reweight Examples for Robust Deep Learning》笔记

【论文阅读笔记】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs - EMNLP 2019

随机网络中通过Hebbian可塑性进行元学习(Meta-Learning through Hebbian Plasticity in Random Networks)

机器学习之 元学习（Meta-Learning）

解读Been There, Done That: Meta-Learning with Episodic Recall

【论文笔记】Multimodality in Meta-Learning: A Comprehensive Survey

【Nature】Human-like systematic generalization through a meta-learning neural network

Shape-Aware Meta-Learning 在模型泛化中引入形状约束

META-LEARNING WITH ATTENTION FOR IMPROVED FEW-SHOT LEARNING论文笔记

Meta-learning algorithms for Few-Shot Computer Vision论文解读（一）

Incremental Object Detection via Meta-Learning【论文解析】

Decomposed Meta-Learning for Few-Shot Named Entity Recognition

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

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

chatGPT笔记

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

论文阅读 - Few-shot Network Anomaly Detection via Cross-network Meta-learning

深度学习应用篇-元学习[13]：元学习概念、学习期、工作原理、模型分类等

深度学习应用篇-元学习[13]：元学习概念、学习期、工作原理、模型分类等

论文笔记：Prompt-Based Meta-Learning For Few-shot Text Classification

Meta-Learning and in-context Learning

论文阅读（62）Meta-learning for semi-supervised few-shot classification

[行人重识别论文阅读]Meta Batch-Instance Normalization for Generalizable Person Re-Identification

【论文阅读】Frustratingly Simple Few-Shot Object Detection

元学习（Meta-learning）——让机器学习如何学习

chatgpt

一文通俗讲解元学习（Meta-Learning）

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

2020.3 Enhanced meta-learning for cross-lingual named entity recognition with minimal resources 阅读笔记

[CVPR 2019] Meta-Transfer Learning for Few-Shot Learning

初探元学习（Meta-Learning）

AutoML框架-Auto-sklearn学习笔记01-原理及基本使用方法（参数、函数解析）

ECCV 2022《Few-Shot Classification with Contrastive Learning》

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

Meta-learning原来有这么多用途，一文汇总元学习在5个问题中的应用

2022 general purpose in-context learning by meta-learning transformers

元学习概述（Meta-Learning）

入门元学习（Meta-Learning）（附代码）2021-07-01

Meta-learning algorithms for Few-Shot Computer Vision, YOLOMAML

【Meta-Learning】Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks相关

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)简析

[Paper Note] Learning to Reweight Examples for Robust Deep Learning

【论文笔记】Effective Policy Adjustment via Meta-Learning for Complex Manipulation Tasks

论文阅读 6 | Bayesian Meta-Learning for the Few-Shot Setting via Deep Kernels

Learning to Generalize:Meta-Learning for Domain Geralization 深度理解（公式详细推导，包含二阶导）

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

机器学习之元学习（Meta-Learning）