초록
경사 기반 메타러닝 방법은 경사 하강법을 활용하여 다양한 작업 간의 공통점을 학습합니다. 이전의 이러한 방법들은 메타테스팅 단계에서 단순한 경사 하강법을 사용하여 메타러닝 작업에 성공해 왔습니다. 본 연구의 주요 기여는 각 층의 활성화 공간에서 작업 특화 학습자가 경사 하강법을 수행하는 부분 공간을 학습할 수 있는 {\em MT-net}입니다. 또한, {\em MT-net}의 작업 특화 학습자는 메타학습된 거리 척도에 따라 경사 하강법을 수행하며, 이는 활성화 공간을 작업 식별에 더 민감하게 변형시킵니다. 우리는 이 학습된 부분 공간의 차원이 작업 특화 학습자의 적응 작업 복잡성을 반영한다는 것을 보여주며, 또한 우리의 모델이 이전의 경사 기반 메타러닝 방법들보다 초기 학습률 선택에 덜 민감하다는 것을 입증하였습니다. 우리의 방법은 소수 샘플 분류 및 회귀 작업에서 최고 수준 또는 유사한 성능을 달성합니다.