要約
我々は、勾配降下法で学習された任意のモデルと互換性があり、分類、回帰、強化学習を含む様々な学習問題に適用可能なモデル非依存的なメタ学習アルゴリズムを提案します。メタ学習の目的は、モデルが新しい学習課題に対して僅かな訓練サンプルを使用して解決できるようにするために、多様な学習課題でモデルを訓練することです。当方針では、新しい課題から僅かな訓練データを使用して僅少の勾配ステップを行うことで、その課題に対する良好な汎化性能が得られるようにモデルのパラメータを明示的に訓練します。つまり、当手法はモデルが微調整しやすいように訓練するものです。本手法が2つのショット画像分類ベンチマークにおいて最先端の性能を達成し、ショット回帰でも良好な結果を出し、ニューラルネットワークポリシーを使用した強化学習における微調整を加速することを実証しました。