Presná definícia
Čo znamená meta-učenie?
Meta-učenie optimalizuje systém naprieč rozdelením úloh tak, aby sa na novú úlohu prispôsobil rýchlo, z mála dát alebo krokov. Vonkajšia slučka hodnotí výsledok adaptácie, vnútorná slučka vykonáva samotné učenie na konkrétnej úlohe. Meta-učenie môže učiť inicializáciu, optimalizátor, metriku alebo pamäť; nie je synonymom jedného algoritmu ani zárukou prenosu mimo rozdelenia úloh.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri mnohých príbuzných zákazníkoch sa každý zákazník definuje ako úloha s vlastnou podporou a dotazmi. Model sa meta-trénuje tak, aby po niekoľkých krokoch na podpore fungoval na dotazoch toho istého zákazníka. Testovací zákazník sa nesmie objaviť v meta-tréningu a hyperparametre sa ladia na samostatných úlohách. Výsledok sa porovná s bežným predtrénovaním a dolaďovaním pri rovnakom rozpočte dát.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo je jednotka meta-tréningu?
Celá úloha alebo epizóda, nie iba samostatný príklad.
Čo robí vnútorná a vonkajšia slučka?
Prvá adaptuje model, druhá optimalizuje kvalitu po adaptácii.
Čo sa môže meta-naučiť?
Inicializácia, metrika, pravidlo aktualizácie alebo reprezentácia.
Ako sa delia dáta?
Podľa úloh, aby nová testovacia úloha nepretiekla do tréningu.
Prečo môže zlyhať?
Nové úlohy môžu pochádzať z iného rozdelenia než meta-tréningové.