BOML:Python中的双级优化库,用于多任务和元学习-源码

上传者: 42135753 | 上传时间: 2021-11-29 10:04:43 | 文件大小: 12.89MB | 文件类型: -
BOML-用于元学习的Python双层优化库 BOML是一个模块化的优化库,它将几种ML算法统一为一个通用的双层优化框架。它提供了用于实现流行的双层优化算法的接口,因此您可以快速构建自己的元学习神经网络并测试其性能。 ReadMe.md包含简短介绍,以在少数镜头分类字段中实现基于元初始化和基于元功能的方法。除已提出的算法外,还可以使用较低级别策略和较高级别策略的各种组合。 元学习 当通过学习具有良好泛化能力的初始化来面对传入的新任务时,元学习效果很好。它甚至在提供少量培训数据的情况下也具有良好的性能,从而催生了针对不同应用的各种解决方案,例如少发性学习问题。 我们提出了一个通用的双层优化范例,以统一不同类型的元学习方法,其数学形式可以总结如下: 通用优化例程 在这里,我们在图中说明了一般的优化过程和分层构建的策略,可以在以下示例中快速实现它们。 文献资料 有关基本功能和构建过程的更多详

文件下载

评论信息

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