论文阅读笔记《Deep Meta-Learning: Learning to Learn in the Concept Space》
核心思想 本文提出一种深度元学习的方法用于解决小样本学习问题，作者指出原有的元学习算法都是基于实例空间（instance space）进行学习的，而即使是同类物体，其受到光照，背景，位置等因素的影响，外表差异也非常大，因此许多元学习方法的分类效果与人类的能力相去甚远。本文则提出利用深度神经网络将学习的对象由实例空间转移到概念空间（concept space），其实就是利用一个DNN网络提取目标
相关文章
- 1. Machine Learning & Deep Learning 论文阅读笔记
- 2. 阅读论文《Learning to See in the Dark》
- 3. Deep Mutual Learning论文阅读笔记
- 4. Learning to See in the Dark论文阅读笔记
- 5. Deep Learning 论文笔记 (3): Deep Learning Face Attributes in the Wild
- 6. 论文阅读笔记：《Learning to See in the Dark》
- 7. 论文阅读笔记《Meta-SGD: Learning to Learn Quickly for Few-Shot Learning》
- 8. 论文笔记：Learning how to Active Learn: A Deep Reinforcement Learning Approach
- 9. Learn to See in the Dark 论文解读
- 10. 论文笔记：Learning to See in the Dark
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • C# 文本文件的读写 - C#教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • JDK13 GA发布：5大特性解读
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Machine Learning & Deep Learning 论文阅读笔记
- 2. 阅读论文《Learning to See in the Dark》
- 3. Deep Mutual Learning论文阅读笔记
- 4. Learning to See in the Dark论文阅读笔记
- 5. Deep Learning 论文笔记 (3): Deep Learning Face Attributes in the Wild
- 6. 论文阅读笔记：《Learning to See in the Dark》
- 7. 论文阅读笔记《Meta-SGD: Learning to Learn Quickly for Few-Shot Learning》
- 8. 论文笔记：Learning how to Active Learn: A Deep Reinforcement Learning Approach
- 9. Learn to See in the Dark 论文解读
- 10. 论文笔记：Learning to See in the Dark