论文笔记—meta-learning and universality
论文摘要：学习学习是使模型能够更有效，更有效地从数据中学习的强大范例。一种流行的元学习方法是训练一个循环模型，以将训练数据集作为输入并输出一个学习模型的参数，或者输出对新测试输入的预测。另外，一种新的元学习方法旨在获取可以通过标准梯度下降有效地微调到新任务的深度表示。在本文中，我们从通用性的角度考虑元学习问题，将学习算法近似的概念形式化，并将上述递归模型的表达能力与将梯度下降嵌入元学习器的最新方法进行比较。特别是，我们试图回答以下问题：深度表示与标准梯度下降相结合是否具有足够的能力来近似任何学习算法？我们发现，这确实是我们的实验，而且是进一步的实验，基于梯度的元学习始终能够导致与递归模型所代表的策略相比，具有更广泛的泛化学习策略。
文件下载
评论信息
其他资源
- 网络科学导论 汪小帆
- java UDP的一个封装
- ISA88 与 ISA95的整合
- Android 课程设计 推箱子.zip
- C#超市管理系统源码（含数据库，运行是自动附加）
- WPF实现有动画效果的页面切换
- SnapGene 3.2.1 Win安装.rar
- 阵列信号处理试题及答案
- 关于数据挖掘方向的优秀硕士论文
- apktool+dex2jar+jd-gui
- 基于JAVA的动态八皇后游戏互动
- UKEY带OLED显示屏的U盾protel99SE设计硬件原理图+PCB文件.zip
- cube AI 的使用
- SecureCRT6.5
- 编程实现图像的百叶窗和马赛克效果。
- artery使用手册
- WebApi授权拦截——重写AuthorizeAttribute
- FPGA三角波DA输出函数
- 交通灯控制系统（附protues电路图及程序代码）
- Struts2+SQL Server实现登录
- ADO连接ACCESS以及增、删、查、改等操作
- glut库文件
- rtthread源码
- 有限差分法的学习教程
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明