用于元学习的信道编码基准
机器学习
2021-12-03 v3 人工智能
信息论
math.IT
摘要
元学习提供了一系列流行且高效的方法，用于对新任务进行数据高效的学习。然而，元学习中的若干重要问题迄今难以研究。例如，在元学习者必须从广泛且可能多模态的训练任务分布中学习的现实设定中，性能会下降；且当元训练与元测试任务分布之间存在分布偏移时亦如此。这些问题通常难以研究，因为在标准基准中任务分布的形状及其间偏移不易度量或控制。我们提出将信道编码问题作为元学习的基准。信道编码是一项重要的实际应用，其中任务分布自然产生，且对新任务的快速适应具有实际价值。我们使用我们的 MetaCC 基准研究元学习的若干方面，包括任务分布广度与偏移的影响，这些在编码问题中可控。展望未来，MetaCC 为社区提供了研究元学习能力与局限性的工具，并推动关于实用稳健且高效元学习器的研究。
引用
@article{arxiv.2107.07579,
title = {A Channel Coding Benchmark for Meta-Learning},
author = {Rui Li and Ondrej Bohdal and Rajesh Mishra and Hyeji Kim and Da Li and Nicholas Lane and Timothy Hospedales},
journal= {arXiv preprint arXiv:2107.07579},
year = {2021}
}