抽象的
本文解决了这个问题，增加了几次拍摄的学习，其中常规分类网络已经过培训以识别一组基类;正在考虑几个额外的小型课程，每个课程只有少数标记的例子。然后评估模型的基础和新类的整体性能。为此，我们提出了一个元学习模型，注意吸引子网络，其正规化了新颖类的学习。在每一集中，我们培训一套新重量来识别新颖的课程，直到它们收敛。我们展示学习的吸引力网络可以在记住旧课程的同时识别新颖的类，优先表现出不依赖于迭代优化过程的基线。
作者
会议
Meta学习研讨会@ Neurips 2018
全文
优步阿格
注释