了解基于模型的元学习:Learning to Learn优化策略和Meta-Learner LSTM
原文中文,约7000字,阅读约需17分钟。发表于: 。本文主要为大家讲解基于模型的元学习中的Learning to Learn优化策略和Meta-Learner LSTM。
本文介绍了基于模型的元学习中的Learning to Learn优化策略和Meta-Learner LSTM。Meta-Learner LSTM使用单元状态表示Learner参数的更新,既能发现一个良好的Learner初始化参数,又能将Learner的参数更新到一个给定的小训练集,以完成一些新任务。Meta-Learner LSTM和MAML的区别在于信息交流的时间点和元学习器的更新方式。Meta-Learner LSTM适用于LSTM结构的元学习器,但基学习器可以适用于任意模型结构。在miniImageNet上进行分类,Meta-Learner LSTM取得了较好的结果。