元学习的进展与挑战：技术综述

Jul, 2023

Advances and Challenges in Meta-Learning: A Technical Review

Anna Vettoruzzo, Mohamed-Rafik Bouguelia, Joaquin Vanschoren, Thorsteinn Rögnvaldsson, KC Santosh

TL;DR元学习在多任务学习、迁移学习、领域适应和持续学习等方面发挥重要作用，本文综述了元学习的技术概览，并强调了其在现实应用中对数据稀缺或昂贵的重要性，并突出了元学习与多任务学习、迁移学习、领域适应和持续学习之间的关系。此外，本文还探讨了元学习的其他高级话题，并强调了该领域未来研究的开放问题与挑战。通过综合最新的研究进展，本文全面阐述了元学习及其对各种机器学习应用的潜在影响。我们相信，这个技术概览将有助于推动元学习及其在解决现实世界问题中的实际应用。

Abstract

meta-learning empowers learning systems with the ability to acquire knowledge from multiple tasks, enabling faster adaptation and generalization to new tasks. This review provides a comprehensive technical overview of m

meta-learning multi-task learning transfer learning domain adaptation continual learning

发现论文，激发创造

元学习最近进展的综述和调查

该论文回顾了元学习的概念和应用，其与深度学习的不同之处在于其能够适应于少量高维数据集，可以用于模型自适应，可不断自我完善实现高度自主的人工智能。元学习不断发展创新，不同的发展方法已有不同的应用和研究方向，进一步拓展了机器学习的应用领域。

Apr, 2020

神经网络中的元学习：一份调查报告

该文总结了元学习（或学习 - 学习）领域的现状，旨在通过改进学习算法本身来解决深度学习中包括数据和计算瓶颈在内的传统挑战，并提出了一种更全面的元学习方法分类，并重点介绍了几个应用领域，如少样本学习和强化学习，并讨论了未来研究的未解决的问题和有前景的方向。

Apr, 2020

元学习：一次综述

元学习是通过系统观察不同的机器学习方法在各种学习任务上的表现，然后从这种经验或元数据中学习，以比以前快得多地学习新任务的科学。本章提供了该领域不断发展、令人着迷的最新概述，不仅可显著加速和改善机器学习流水线或神经结构的设计，还可以用数据驱动的方式学习新方法以取代手工设计的算法。

Oct, 2018

深度元学习综述

本论文旨在提供关于 Deep Meta-Learning 的理论基础以及总结关键的度量、模型和优化技术，同时也指出了性能评估和计算成本等主要挑战。

Oct, 2020

重新审视元学习作为监督学习

本文提出了一个基于对元学习与传统监督学习之间联系的重新审视和加强的原则性统一框架，通过把任务特定数据集和目标模型看作（特征、标签）样本，我们可以把许多元学习算法归约到监督学习的实例中，进一步提高了元学习的表现。

Feb, 2020

有限样本学习 —— 元学习及其在通信系统中的应用

这篇论文介绍了元学习的概念和原理，并阐述了元学习与传统学习和联合学习的比较。在讨论主要的元学习算法和元学习技术的定义的通用双层优化框架之后，提出了几个元学习的应用。此外还介绍了与新兴计算技术，即神经形态计算和量子计算相关的元学习一些方面。

Oct, 2022

Few-shot 学习的元学习方法：最新进展综述

该论文介绍了元学习在深度学习中的应用及其近期发展，涵盖度量、记忆、基于学习等方法，并探讨了当前的挑战和未来的研究方向。

Mar, 2023

Awesome-META+: 元学习研究和学习平台

Awesome-META + 是一个元学习框架集成和学习平台，它提供一个完整和可靠的元学习应用和学习平台，旨在解决元学习的当前瓶颈问题，推动其发展并扩大社区，并适用于多领域任务。

Apr, 2023

当元学习遇上在线和持续学习：一项综述

通过提供一份综合调查报告，有组织地使用一致的术语和形式描述，本文旨在促进这个有前景的研究领域的进一步发展。

Nov, 2023

自然语言处理的元学习综述

这篇综述论文介绍了自然语言处理领域中元学习的概念和应用，指出当前技术需要更多的标注数据和适用域限制，而元学习技术则旨在提高学习算法的数据效率和适用范围，在 NLP 任务中表现出了显著的效果。此外，该论文总结了元学习在 NLP 中的任务构建、问题应用和发展趋势，为研究人员提供了相关工作的指导和吸引更多研究关注。

May, 2022