learning-to-learn | BriefGPT

关键词learning-to-learn

搜索结果 - 10

学习到学习：基于相变内存的内存计算实现的快速学习
低功耗、自主学习的人工智能 (AI) 系统对于能够应用于边缘设备并快速适应特定场景的需求日益增长。本文将学习到学习 (L2L) 的概念与基于相变存储器设备的内存计算神经形态硬件 (NMHW) 相结合，构建了能够快速适应新任务的高效 AI 模
PDF2 months ago
ICLR用梯度匹配学习对部分分割进行注释
本文提出了一种半监督方法，使用预训练 GAN 生成图像，并使用自动注释器为 GANN 预测的图像标注对象的部分，有效地降低了有限标记示例下分割误差。
PDF2 years ago
通过概率转移矩阵减轻图像分类中的噪声标签影响
本研究提出了一种插件模块：噪声忽略块（NIB），用于从带有噪声标签的训练集中分离出艰难的样本和错标的样本，并进一步提高用于处理这种嘈杂标签的图像分类网络的准确性。
PDF3 years ago
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
PDF4 years ago
ACL自主调控互动式序列到序列学习
本研究发现自我调节策略决定了何时向老师或自己寻求不同类型的反馈，可视为解决学会学习问题，从而实现了改进的成本感知序列到序列学习，其中自我调节器通过混合包括更正、错误标记和自我监督在内的不同反馈类型来发现最佳成本 - 质量权衡的 ε- 贪心策
PDF5 years ago
用带偏正则化的学习 - 学习随机梯度下降算法
本文研究了学会学习的问题：推断出适用于从未知分布中抽样的任务的学习算法。作为算法类别，我们考虑正则化真实风险的随机梯度下降。我们提出了一个元算法，增量地更新偏置，从而解决了从一系列任务中估算偏置的问题。我们的结果表明，当任务数量增加且方差相
PDF5 years ago
具有统计保证的增量学习 - to-learn
研究了如何针对来自未知元分布的任务类别推断出学习算法，并提出了学习正半定矩阵参数化的岭回归算法，通过应用随机策略来降低岭回归引入的经验错误，以实现在线学习，提高模型性能和泛化性能。
PDF6 years ago
ICLR非静态且竞争环境中的元学习连续适应
研究了如何在动态变化和对抗性场景中通过元学习算法实现连续自适应，并证明元学习能够在少样本情况下实现比反应式基线更高效的自适应；同时设计了一个新的多智能体竞争环境 RoboSumo 并定义了迭代自适应游戏以对各种连续自适应策略进行测试。通过对
PDF7 years ago
Rademacher 复杂度的向量收缩不等式
本文将 Rademacher 平均值不等式扩展到向量值域的 Lipschitz 函数，并且也表明在边界表达式中 Rademacher 变量可以被任意 iid 对称和次高斯变量替代，给出了多类别学习、K 均值聚类和学习到学习的示例应用。
PDF8 years ago
MM建造像人类一样学习和思考的机器
本文综述认知科学的进展，提出了人工智能领域需要实现的目标和面临的挑战，即建立支持解释和理解的世界因果模型，以及将学习基于物理和心理直觉理论，使用组合性和学习来学习以适应新的任务和情况
PDF8 years ago