论元学习的必要性：为学习过程寻找合适的参数化
机器学习
2024-01-02 v1 人工智能
摘要
在本文中，我们将讨论元学习以及如何超越当前的经典学习范式。我们将首先解决归纳偏置在学习过程中的重要性以及其中的利害关系：学习所需的数据量。随后，我们将看到选择合适参数化对于形成定义良好的学习过程的重要性。特别是在现实世界应用的背景下，由于传感器的特异性、数据源的异质性、观点的多样性等原因，我们面临着诸多偏置。这将引导我们利用待学习概念的结构化来组织我们之前发表的学习过程。最后，我们讨论了参数绑定方案以及由此学到的模型中普遍性方面涌现的前景。
引用
@article{arxiv.2401.00532,
title = {On the Necessity of Metalearning: Learning Suitable Parameterizations for Learning Processes},
author = {Massinissa Hamidi and Aomar Osmani},
journal= {arXiv preprint arXiv:2401.00532},
year = {2024}
}