论文阅读笔记《Meta-Learning with Temporal Convolutions》

核心思想   本文采用元学习的方式解决小样本学习问题，本文提出的算法是对任务不限制的，因此可以在分类、回归和强化学习等多个领域使用；其次本文是对序列输入做处理，但是却没有采用常见的RNN结构，而是基于时间卷积（Temporal Convolution）同时感知当前时刻的输入和之前所有时刻的输入，得到输出结果。作者认为传统的RNN结构只能通过隐藏层沿着时间前向传递信息，这种时间上的线性依赖限制了网络

>>阅读原文<<