可复现性报告：La-MAML：用于持续学习的超前元学习
机器学习
2021-05-21 v2 人工智能
摘要
持续学习（CL）问题涉及在有限计算资源下在一系列任务上表现良好。该领域当前的算法要么速度慢、离线，要么对超参数敏感。La-MAML 是一种基于优化的元学习算法，声称优于其他基于回放、基于先验和基于元学习的方法。根据 MER 论文 [1]，衡量持续学习领域性能的度量标准为保留准确率（RA）和反向迁移-干扰（BTI）。La-MAML 声称在这些数值上优于该领域的 SOTA。这是本文的主要主张，我们将在本报告中予以验证。
引用
@article{arxiv.2102.05824,
title = {Reproducibility Report: La-MAML: Look-ahead Meta Learning for Continual Learning},
author = {Joel Joseph and Alex Gu},
journal= {arXiv preprint arXiv:2102.05824},
year = {2021}
}