الشك في التعلم الميتا بدون نموذج باستخدام الاستدلال المتغير

نقدم خوارزمية تعلم متعدد جديدة ومحددة بدقة باستخدام نهج بيز (Bayesian) تتعلم من خلالها توزيع احتمالي للنموذج المسبق لمعالم النموذج في التعلم القليل الإطارات. تعتمد الخوارزمية المقترحة على استدلال متغير مبني على التدرجات لاستنتاج ما بعد النموذج المسبق لمعالم النموذج عند مهمة جديدة. يمكن تطبيق خوارزميتنا على أي هندسة نموذج ويمكن تنفيذها في مختلف نماذج التعلم الآلي، بما في ذلك الانحدار والتصنيف. نظهر أن النماذج التي تم تدريبها باستخدام خوارزمية التعلم المتعدد المقترحة لدينا تكون مكالمة جيدًا ودقيقة، مع تحقيق أفضل النتائج الحالية في المعايرة والتصنيف على مقعدين للمعايير في التصنيف القليل الإطارات (Omniglot و Mini-ImageNet)، بالإضافة إلى نتائج تنافسية في الانحدار بتوزيع مهام متعددة الأوضاع.