메타펑: 반복적 함수 업데이트를 통한 메타학습

우리는 지도형 메타학습을 위한 기능적 인코더-디코더 접근법을 개발하였으며, 레이블이 붙은 데이터를 유한 차원의 표현이 아닌 무한 차원의 기능적 표현으로 인코딩한다. 또한 표현을 직접 생성하는 대신, 기능적 경사하강법에 유사한 신경망 업데이트 규칙을 학습하여 표현을 반복적으로 개선한다. 최종적으로 얻어진 표현은 디코더가 레이블이 없는 데이터에 대한 예측을 수행할 수 있도록 조건부로 설정하는 데 사용된다. 본 연구는 조건부 신경 과정(conditional neural processes)과 같은 인코더-디코더 형식의 메타학습 방법이 miniImageNet 및 tieredImageNet과 같은 대규모 소수 샘플 분류 벤치마크에서 성공을 거둘 수 있음을 처음으로 입증하였으며, 해당 벤치마크에서 최상의 성능을 달성하였다.