第1章 元学习简介

1.1 元学习

1.2 元学习的类型

1.2.1 学习度量空间

1.2.2 学习初始化

1.2.3 学习优化器

1.3 通过梯度下降来学习如何通过梯度下降来学习

1.4 少样本学习的优化模型

1.5 小结

1.6 思考题

1.7 延伸阅读

第2章 使用孪生网络进行人脸识别与音频识别

2.1 什么是孪生网络

2.1.1 孪生网络的架构

2.1.2 孪生网络的应用

2.2 使用孪生网络进行人脸识别

2.3 使用孪生网络进行音频识别

2.4 小结

2.5 思考题

2.6 延伸阅读

第3章 原型网络及其变体

3.1 原型网络

3.1.1 算法

3.1.2 使用原型网络执行分类

3.2 高斯原型网络

3.3 半原型网络

3.4 小结

3.5 思考题

3.6 延伸阅读

第4章 使用TensorFlow构建关系网络与匹配网络

4.1 关系网络

4.1.1 单样本学习中的关系网络

4.1.2 少样本学习中的关系网络

4.1.3 零样本学习中的关系网络

4.1.4 损失函数

4.2 使用TensorFlow构建关系网络

4.3 匹配网络

4.4 匹配网络的架构

4.5 TensorFlow中的匹配网络

4.6 小结

4.7 思考题

4.8 延伸阅读

第5章 记忆增强神经网络

5.1 NTM

5.1.1 NTM中的读与写

5.1.2 寻址机制

5.2 使用NTM复制任务

5.3 MANN

5.4 小结

5.5 思考题

5.6 延伸阅读

第6章 MAML及其变种

6.1 MAML

6.1.1 MAML算法

6.1.2 监督学习中的MAML

6.1.3 强化学习中的MAML

6.2 ADML

6.2.1 FGSM

6.2.2 ADML

6.2.3 从头构建ADML

6.3 CAML

6.4 小结

6.5 思考题

6.6 延伸阅读

第7章 Meta-SGD和Reptile

7.1 Meta-SGD

7.1.1 监督学习中的Meta-SGD

7.1.2 强化学习中的Meta-SGD

7.2 Reptile

7.2.1 Reptile算法

7.2.2 使用Reptile进行正弦曲线回归

7.3 小结

7.4 思考题

7.5 延伸阅读

第8章 梯度一致作为优化目标

8.1 梯度一致，一种优化方法

8.1.1 权重计算

8.1.2 算法

8.2 使用MAML构建梯度一致

8.2.1 生成数据点

8.2.2 单层神经网络

8.2.3 MAML中的梯度一致

8.3 小结

8.4 思考题

8.5 延伸阅读

第9章 新进展与未来方向

9.1 TAML

9.1.1 熵最大化／熵约简

9.1.2 不平等最小化

9.2 元模仿学习

9.3 CACTUs

9.4 概念空间元学习

9.4.1 关键部分

9.4.2 损失函数

9.4.3 算法

9.5 小结

9.6 思考题

9.7 延伸阅读

思考题答案