Auto-Meta：基于梯度的自动化元学习器搜索
机器学习
2018-12-12 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
完全自动化机器学习流水线是当前人工智能研究的关键挑战之一，因为实用的机器学习通常需要耗费人力且耗时的过程，如模型设计、算法开发和超参数调优。在本文中，我们验证了自动化架构搜索与基于梯度的元学习效应具有协同作用。我们采用渐进式神经架构搜索（progressive neural architecture search）来为元学习器寻找最优架构。架构被自动发现的基于梯度的元学习器在 5-shot 5-way Mini-ImageNet 分类问题上取得了最先进的结果，准确率为 ，相比首个称为 MAML 的基于梯度的元学习器所获得的结果提升了 。据我们所知，本工作是元学习背景下首次成功的神经架构搜索实现。
引用
@article{arxiv.1806.06927,
title = {Auto-Meta: Automated Gradient Based Meta Learner Search},
author = {Jaehong Kim and Sangyeul Lee and Sungwan Kim and Moonsu Cha and Jung Kwon Lee and Youngduck Choi and Yongseok Choi and Dong-Yeon Cho and Jiwon Kim},
journal= {arXiv preprint arXiv:1806.06927},
year = {2018}
}
备注
Presented at NIPS 2018 Workshop on Meta-Learning (MetaLearn 2018)