초록
우리는 소수 샘플 학습(few-shot learning)을 위한 모델 매개변수 사전 확률 분포를 학습하는 새로운, 엄밀하게 정식화된 베이지안 메타학습 알고리즘을 소개합니다. 제안된 알고리즘은 새로운 작업에 대한 모델 매개변수의 사후 확률을 추론하기 위해 그래디언트 기반 변분 추론(gradient-based variational inference)을 사용합니다. 우리의 알고리즘은 어떤 모델 아키텍처에도 적용할 수 있으며, 회귀와 분류를 포함한 다양한 머신 러닝 패러다임에서 구현될 수 있습니다. 우리는 제안된 메타학습 알고리즘으로 훈련된 모델들이 잘 교정되어 있고 정확하다는 것을 보여주며, Omniglot과 Mini-ImageNet 두 개의 소수 샘플 분류 벤치마크에서 최고 수준의 교정 및 분류 결과를 얻었습니다. 또한 다중 모드 작업 분포 회귀(multi-modal task-distribution regression)에서도 경쟁력 있는 결과를 보였습니다.