要約
新規の厳密に定式化されたベイジアンメタ学習アルゴリズムを紹介します。このアルゴリズムは、少量学習（few-shot learning）のためにモデルパラメータの事前分布の確率分布を学習します。提案されたアルゴリズムでは、勾配ベースの変分推論を使用して、新しいタスクに対するモデルパラメータの事後分布を推論します。当該アルゴリズムは任意のモデルアーキテクチャに適用可能であり、回帰や分類を含むさまざまな機械学習パラダイムで実装できます。我々は、提案するメタ学習アルゴリズムで訓練されたモデルが適切にキャリブレーションされ、精度が高いことを示しています。特に、2つの少量分類ベンチマーク（OmniglotおよびMini-ImageNet）において最先端のキャリブレーションと分類結果を達成しており、多峰性タスク分布回帰でも競争力のある結果を得ています。