【导读】 元学习旨在学会学习，是当下研究热点之一。最近来自爱丁堡大学的学者发布了关于元学习最新综述论文《Meta-Learning in Neural Networks: A Survey》，值得关注，详述了元学习体系，包括定义、方法、应用、挑战。成为不可缺少的文献。
近年来，元学习领域，或者说 “学会学习的学习” ，引起了人们极大的兴趣。与传统的人工智能方法(使用固定的学习算法从头开始解决给定的任务)不同，元学习的目的是改进学习算法本身，考虑到多次学习的经验。这个范例提供了一个机会来解决深度学习的许多传统挑战，包括数据和计算瓶颈，以及泛化的基本问题。在这项综述中， 我们描述了当代元学习的景观。我们首先讨论元学习的定义，并将其定位于相关领域，如迁移学习、多任务学习和超参数优化。然后，我们提出了一个新的分类法，对元学习方法的空间进行了更全面的细分。我们综述了元学习的一些有前途的应用和成功案例，包括小样本学习、强化学习和体系架构搜索。最后，我们讨论了突出的挑战和未来研究的有希望的领域。
论文链接：https://arxiv.org/abs/2004.05439
扫码添加下面群助手，可申请加入 深度学习技术前沿 微信 群，旨在交流深度学习方面的学习、科研、工程项目等内容， 其中研究方向主要包括 ：图像识别、图像分类、目标检测、图像分割、人脸识别、模型剪枝与压缩、自然语言处理、知识图谱、强化学习、NAS、GAN等。 并且还会第一时间在群中分享一线大厂求职内推资料。
备注：研究方向+学校/公司+姓名（如图像分割+浙大+李四），按照格式备注，可更快被通过且邀请进群。
