Recent Posts
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- Front
- 머신러닝
- FineGrained
- Meta Learning
- PRML
- clean code
- ML
- pytorch
- FGVC
- 3d
- 자료구조
- dl
- math
- GAN
- 알고리즘
- nerf
- REACT
- 딥러닝
- Torch
- algorithm
- Vision
- SSL
- CV
- Depth estimation
- classification
- computervision
- Python
- nlp
- cs
- web
- Today
- Total
목록LSTM (1)
KalelPark's LAB
[ Meta Learning ] 모델 기반 메타 러닝 이해하기
Meta Learning for Model - Model 기반의 Meta Learning에서 학습하고자 하는 학습 방법은 순환 신경망의 은닉 상태와 같은 변화하는 내부 다이내믹스(internal dynamics)입니다. - LSTM과 같이, 많은 태스크를 학습하여, 정보를 기억하는 것을 목표로 합니다. 즉 LSTM과 같은 메모리 안의 내부 다이내믹스(internal dynamics)가 일종의 학습 방법이라고 해석할 수 있습니다. 즉, 정리해보자면 1. 태스크 분포 p(T)에서 태스크 T_{i}를 샘플링합니다. 2. 태스크 T_{i}를 D_{train}과 D_{test}로 분리합니다. 3. 태스크 파라미터를 아래와 같은 식을 활용하여, 계산합니다. EX>
Data Science/Meta Learning
2022. 12. 28. 21:47