面向少样本学习的元学习方法：近期进展综述
机器学习
2023-03-15 v1 人工智能
摘要
尽管深度学习在学深层多维数据方面取得了惊人成功，但其性能在新未见任务上会下降，主要源于其聚焦于同分布预测。此外，深度学习因从少量样本泛化能力差而声名不佳。元学习是一种有前景的方法，它通过以少样本数据集适应新任务来解决这些问题。本综述首先简要介绍元学习，继而调研最先进的元学习方法及近期进展，涵盖：(I) 基于度量、(II) 基于记忆、(III) 以及基于学习的方法。最后，讨论了当前挑战与对未来研究的见解。
引用
@article{arxiv.2303.07502,
title = {Meta-learning approaches for few-shot learning: A survey of recent advances},
author = {Hassan Gharoun and Fereshteh Momenifar and Fang Chen and Amir H. Gandomi},
journal= {arXiv preprint arXiv:2303.07502},
year = {2023}
}