题目: Supplementary Materials for Niseko: a Large-ScaleMeta-Learning Dataset

摘要: 已有几项研究综述了元学习技术。通过对一些学习算法的优先任务和评估(如精度或时间),人们已经进行了大量的研究,以期在给定一个新任务的情况下找到一些有前途的学习算法配置。通过建立在先前任务基础上的模拟模型,我们可以测量任务相似性,从而应用贝叶斯优化为新数据集找到下一个有前途的模型。

作者简介: Zeyuan Shang,麻省理工学院计算机科学与人工智能实验室(CSAIL)的电气工程与计算机科学博士。他也是麻省理工学院数据库组的成员,麻省理工学院数据系统和人工智能实验室的成员。https://www.shangzeyuan.com/

Tim Kraska,麻省理工学院计算机科学与人工智能实验室(CSAIL)的电子工程与计算机科学副教授,也是麻省理工学院数据系统与人工智能实验室(DSAIL)的创始联席主任。http://people.csail.mit.edu/kraska/

成为VIP会员查看完整内容
13

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
19+阅读 · 2018年12月8日
干货 | 100+个NLP数据集大放送,再不愁数据!
数据派THU
11+阅读 · 2018年5月2日
已删除
将门创投
8+阅读 · 2017年7月21日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
11+阅读 · 2018年7月8日
VIP会员
相关VIP内容
相关论文
微信扫码咨询专知VIP会员