meta learning（learning to learn），讓機器學習如何學習。元學習學習到的是學習能力，而不是知識本身。
智慧型很重要的一方面在於它的多功能性（versatility）——即可以處理多種不同事情的能力。而我們人類卻可以在新的未知條件下表現出十分智慧型的行為和適應性。那麼我們如何才能教會我們的智慧型系統學會各種能力，從容面對變化的世界呢？
近年來研究人員們開發了許多方來解決這一問題，我將在文章中進行全面的介紹，同時還將討論我們實驗室最近研發的新技術，我們稱為：未知模型元學習法（model-agnostic meta-learning）。
然而我們希望它可以通過復用曾經的經驗來學會如何快速學習新技能，而不是孤立地考量每乙個新的任務。像這樣實現學會如何學習（也叫作元學習，meta-learning）的能力，是實現多樣性ai的關鍵一步，從而可以連續的學習廣泛技能，充滿靈活性與適應性。
meta learning，元學習或者叫做 learning to learn，學會學習 已經成為繼reinforcement learning 增強學習之後又乙個重要的研究分支。
這裡考慮的是學會學習方**與深度學習結合的研究，這個研究方向就非常短了，可以說也就是去年才真正火起來，湧現出了多篇關於學會學習的**。我在github上也總結了一些學會學習的*****s：
songrotek/meta-learning-*****s
元學習系統通過大量的任務來進行訓練，隨後利用新的任務來測試系統的學習能力。
元學習中模型是通過元學習訓練集中的不同任務來進行訓練的。它需要兩個方面的優化：分別是學習新任務的學習器和訓練學習器的元學習器。下面我們將主要介紹元學習的三種典型方法：遞迴模型、度量學習和學習優化器。
《meta-critic network》：讓ai在學習各種任務後形成乙個核心的價值網路，從而面對新的任務時，可以利用已有的核心價值網路來加速ai的學習速度！ meta-critic network作為一種全新的meta learning方法，通過訓練出乙個核心指導網路（也就是核心價值觀），從而能夠指導新任務的快速學習，具備非常大的潛力。
機器學習基礎 各種學習方式（22） 表徵學習
在歐幾里德空間 例如，nrn 中的向量空間 中是否存在一種符號屬性，可以表示出 任意構建的 原始物件？這被稱為表徵學習 representation learning 例如我們希望找到城市的向量表示，從而可以進行這樣的向量運算 羅馬 義大利 法國 巴黎。機器學習旨在自動地學到從資料的表示 repre...
機器學習基礎 各種學習方式（17） 度量學習
距離的度量對眾多機器學習方法的效能都起到了決定性作用 例如在分類方法中，k近鄰分類器 使用了高斯核的核方法 在聚類方法中，k均值聚類 譜聚類方法都與距離度量密切相關。卡內基梅隆大學機器學習系的邢波教授於2003年提出了距離度量學習。乙個好的距離度量能夠根據資料的結構與分布適用於不同的應用。一般的距離...
彙編基礎學習28
文章 博主 沒落的殘陽 這節來學習下無符號整數的除法運算指令，div 無符號 指令執行8位 16位和32位無符號整數的除法運算。指令中必須是唯一的乙個暫存器或記憶體運算元是除數。div指令格式 div 8位暫存器 8位記憶體運算元 div 16位暫存器 16位記憶體運算元 div 32位暫存器 32...