Python元学习：通用人工智能的实现

封面

版权信息

作者简介

译者简介

数字版权声明

献言

前言

第1章 元学习简介

1.1 元学习

1.2 元学习的类型

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

2.2 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

3.2 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

4.2 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

5.2 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

6.2 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

7.2 Reptile

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

8.2 使用MAML构建梯度一致

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

9.2 元模仿学习

9.3 CACTUs

9.4 概念空间元学习

9.5 小结

9.6 思考题

9.7 延伸阅读