¿Qué es el meta-aprendizaje en el aprendizaje automático?

Answer 1

El meta-aprendizaje, por lo que yo entiendo, es un término general en términos de encapsular diferentes ideas de aplicaciones de interacciones algorítmicas, pesos, asignaciones de memoria, tasas de aprendizaje, promedios de Matris, etc.

Lo que es realmente fascinante al respecto, creo, es la idea de las Series de Tiempo Caóticas y la Teoría del Caos.

Vea, en cierto sentido, cuando nuestros métodos de Gradient Step dejan de funcionar, y nuestro enfoque “conocido”, “estable” falla, tenemos que buscar otras fuentes.

Aquí es donde entra el meta-aprendizaje.

¿Alguna vez has leído sobre etiquetas meta y metainformación en MySQL o no?

Ver, es una capa específica de información sobre la información. Como, una etiqueta sobre un conjunto específico de información.

Esa es la meta información, ahí.

Ahora, lo que esto implica, es que, si aplicamos el significado derivado inherente de subyugar la información a los algoritmos de meta-aprendizaje.

Cosas, consigue, INTERESANTE.

Comenzamos a ver la adopción automática de series de tiempo algorítmicas, de pesos diferenciadores, de juegos y propagación.

Veríamos, los patrones macro se despliegan y se adaptan después de los datos.

Ahora, imagina ..

Si tuviéramos que tomar un algoritmo de meta aprendizaje, aprenderíamos los algoritmos de los cuales aprendimos los algoritmos.

Nosotros conquistaríamos las matemáticas.

Caminaríamos entre gigantes, encontraríamos campos y encabezaríamos el movimiento de mudarnos a una nueva era, la matemática.

Uno, de los modelos de exploración auto exploratoria de Monte Carlo y Markov.

Uno, de donde los Solucionadores que se auto formulan resolverían los patrones y explorarían las profundidades para nosotros.

Hombre. Me emociono mucho cuando hablo de cosas como esta.

Sería increíble.

Oh bien.

Debería, contenerme, no quiero salir corriendo a pasar horas leyendo sobre la teoría del caos, eso sería muy divertido.

Pero, algo inútil. Sin aplicación.

Answer 2

El meta aprendizaje en el contexto del aprendizaje automático no tiene una definición exacta, pero generalmente se refiere a aprender algo más que una tarea en particular. Por ejemplo, en lugar de aprender clasificación de imágenes, obtenga información sobre las imágenes en general, de las cuales la clasificación, la detección de objetos, etc. son subcomponentes. El término también se usa a veces para referirse a AutoML.

Answer 3

Por lo general, el meta-aprendizaje significa el aprendizaje de los parámetros del modelo, como la tasa de aprendizaje / decaimiento, el número de capas / neuronas ocultas, etc.

Answer 4

Aquí hay una introducción visual a los modelos de Meta-Learning para Deep Learning que redacté recientemente para explicar un trabajo de investigación: De cero a la investigación: una introducción al Meta-learning.

Answer 5

La IA pasa por los inviernos de la IA. Uno de los grandes lenguajes de programación de IA iniciales fue Lisp. Una de las ideas en Lisp es la meta programación. Esto está faltando en varios idiomas. El meta aprendizaje es la capacidad de ajustar los parámetros de los modelos. Es un código de auto actualización esencialmente. Funciones de las funciones. Hay diferentes ideas en la optimización, una de las formas en que esto se hace es simulación de recocido, colonia de hormigas y algoritmos genéticos.