Few-shot分類方法只需要少量的訓(xùn)練實(shí)例就可以使分類器適應(yīng)新的類別。最先進(jìn)的元學(xué)習(xí)方法（例如MAML）學(xué)習(xí)如何從有限的實(shí)例中初始化和快速調(diào)整參數(shù)，這些方法在Few-shot分類中展現(xiàn)了優(yōu)秀的結(jié)果。但是，現(xiàn)有的元學(xué)習(xí)模型僅依賴于隱式的基于實(shí)例的統(tǒng)計(jì)信息，因此存在實(shí)例不可靠和可解釋性差的問題。本期我們邀請(qǐng)到來自清華大學(xué)的董博文同學(xué)，用一種新的元信息指導(dǎo)元學(xué)習(xí)（MIML）框架，解決了此類問題。

講者介紹

董博文，清華大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系本科生，主要研究方向是知識(shí)計(jì)算相關(guān)。

會(huì)議題目

元信息指導(dǎo)的元學(xué)習(xí)模型

會(huì)議摘要

為了解決這個(gè)問題，我們提出了一種新穎的元信息指導(dǎo)元學(xué)習(xí)（MIML）框架，使用類的語義概念為初始化和適應(yīng)中的元學(xué)習(xí)提供了有力的指導(dǎo)。實(shí)際上，我們的模型可以在基于實(shí)例的信息和基于語義的信息之間建立連接，從而實(shí)現(xiàn)更有效的初始化和更快的適應(yīng)。與Few-shot分類任務(wù)有關(guān)的綜合實(shí)驗(yàn)結(jié)果證明了該框架的有效性。值得注意的是，MIML在FewRel的評(píng)估中可達(dá)到與人類相當(dāng)或更高的性能。?

論文標(biāo)題：Meta-Information Guided Meta-Learning for Few-Shot Relation Classification?

在線閱讀：https://bbs.sffai.com/d/266-cnycny

會(huì)議亮點(diǎn)

1、首次將元信息引入了元學(xué)習(xí)模型，用易獲得的元信息為模型的初始化和學(xué)習(xí)過程提供了有力指導(dǎo)；

2、在FewRel數(shù)據(jù)集上達(dá)到了sota，并且首次超越了人類表現(xiàn)。

直播時(shí)間

2021年8月1日（周日）20:00—21:00?線上直播

關(guān)注微信公眾號(hào)：人工智能前沿講習(xí)，對(duì)話框回復(fù)“SFFAI116”，獲取入群二維碼

注：直播地址會(huì)分享在交流群內(nèi)

現(xiàn)代科學(xué)技術(shù)高度社會(huì)化，在科學(xué)理論與技術(shù)方法上更加趨向綜合與統(tǒng)一，為了滿足人工智能不同領(lǐng)域研究者相互交流、彼此啟發(fā)的需求，我們發(fā)起了SFFAI這個(gè)公益活動(dòng)。SFFAI每周舉行一期線下活動(dòng)，邀請(qǐng)一線科研人員分享、討論人工智能各個(gè)領(lǐng)域的前沿思想和最新成果，使專注于各個(gè)細(xì)分領(lǐng)域的研究者開拓視野、觸類旁通。

SFFAI目前主要關(guān)注機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理等各個(gè)人工智能垂直領(lǐng)域及交叉領(lǐng)域的前沿進(jìn)展，將對(duì)線下討論的內(nèi)容進(jìn)行線上傳播，使后來者少踩坑，也為講者塑造個(gè)人影響力。SFFAI還在構(gòu)建人工智能領(lǐng)域的知識(shí)森林—AI Knowledge Forest，通過匯總各位參與者貢獻(xiàn)的領(lǐng)域知識(shí)，沉淀線下分享的前沿精華，使AI Knowledge Tree枝繁葉茂，為人工智能社區(qū)做出貢獻(xiàn)，歡迎大家關(guān)注SFFAI論壇：https://bbs.sffai.com。