论强化条件更好的元学习以实现快速少样本适应
机器学习
2022-10-18 v2 计算机视觉与模式识别
摘要
受预条件处理概念启发，我们提出一种新方法，在不引入额外参数的情况下提高基于梯度的元学习方法的适应速度。我们证明，将优化问题重述为非线性最小二乘形式，基于条件数和局部曲率的概念，为元学习模型主动强制一个参数空间提供了原则性途径。我们的综合评估表明，所提方法显著优于其无约束对应方法，尤其在初始适应步骤期间，同时在多个少样本分类任务上取得可比或更好的整体结果——从而创造了在推理时动态选择适应步数的可能性。
引用
@article{arxiv.2206.07260,
title = {On Enforcing Better Conditioned Meta-Learning for Rapid Few-Shot Adaptation},
author = {Markus Hiller and Mehrtash Harandi and Tom Drummond},
journal= {arXiv preprint arXiv:2206.07260},
year = {2022}
}
备注
Accepted at NeurIPS 2022