会员服务
Meta Learning，元学习，也叫 Learning to Learn（学会学习）。是继Reinforcement Learning（增强学习）之后又一个重要的研究分支。
Meta-Learning Guided Pruning for Few-Shot Plant Pathology on Edge Devices
Arxiv
0+阅读 · 1月5日
Effects of Structural Allocation of Geometric Task Diversity in Linear Meta-Learning Models
Arxiv
0+阅读 · 1月2日
MeLeMaD: Adaptive Malware Detection via Chunk-wise Feature Selection and Meta-Learning
Arxiv
0+阅读 · 2025年12月30日
Meta-Learning-Based Handover Management in NextG O-RAN
Arxiv
0+阅读 · 2025年12月26日
Gaussian Process Assisted Meta-learning for Image Classification and Object Detection Models
Arxiv
0+阅读 · 2025年12月23日
Statistically-Guided Dual-Domain Meta-Learning with Adaptive Multi-Prototype Aggregation for Distributed Fiber Optic Sensing
Arxiv
0+阅读 · 2025年12月23日
Meta-reinforcement learning with minimum attention
Arxiv
0+阅读 · 2025年12月13日
Lost in Time? A Meta-Learning Framework for Time-Shift-Tolerant Physiological Signal Transformation
Arxiv
0+阅读 · 2025年11月26日
Meta-Learning for Quantum Optimization via Quantum Sequence Model
Arxiv
0+阅读 · 2025年12月4日
Meta-Semantics Augmented Few-Shot Relational Learning
Arxiv
0+阅读 · 2025年11月5日
Point Neuron Learning: A New Physics-Informed Neural Network Architecture
Arxiv
0+阅读 · 2025年12月10日
Adaptive Reinforcement Learning through Evolving Self-Modifying Neural Networks
Arxiv
0+阅读 · 2020年5月22日
Differentiable Semantic Meta-Learning Framework for Long-Tail Motion Forecasting in Autonomous Driving
Arxiv
0+阅读 · 2025年11月10日
Meta Pruning via Graph Metanetworks : A Universal Meta Learning Framework for Network Pruning
Arxiv
0+阅读 · 2025年12月15日
Adaptive PID Control for Robotic Systems via Hierarchical Meta-Learning and Reinforcement Learning with Physics-Based Data Augmentation
Arxiv
0+阅读 · 2025年11月9日
参考链接
微信扫码咨询专知VIP会员
Top