قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
MAML (التعلم الفوقي بغض النظر عن النموذج)
خوارزمية التعلم الفوقي التي تتعلم المعلمات الأولية للنموذج مما يسمح بالتكيف السريع مع المهام الجديدة مع بعض الأمثلة عبر التحسين بالتدرج
Meta-LSTM
متغير من LSTM يتعلم فوقياً معلمات التحديث الخاصة به، مما يسمح بالتكيف الديناميكي لأوزان النموذج وفقاً للخصائص الخاصة بكل مهمة
SNAIL (المتعلم العصبي البسيط المنتبه)
بنية هجينة تجمع بين الالتفافات الزمنية وآليات الانتباه للتعلم من تسلسلات الأمثلة والتكيف السريع مع المهام الجديدة
Meta-SGD
امتداد لـ MAML يتعلم ليس فقط المعلمات الأولية ولكن أيضاً معدلات التعلم الخاصة بكل معلمة لتكيف أكثر مرنة مع المهام الجديدة
Reptile
خوارزمية تعلم فوقي مبسطة تقوم بالاستيفاء بين الأوزان الأولية والأوزان بعد بضع خطوات تحسين على المهمة الحالية
TADAM (المقياس التكيفي المعتمد على المهمة)
طريقة تجمع بين الشبكات الأولية مع وحدة انتباه مدركة للمهمة لتكييف مساحة التضمين ديناميكياً وفقاً لخصائص كل مهمة
LEAP (التعلم للتقييم)
إطار عمل يتعلم فوقياً وظيفة تقييم لمقارنة النماذج على مهام مختلفة، محسناً أداء التعميم الفوقي مباشرة بدلاً من خسائر المهام الفردية
L2L (التعلم للتعلم)
باراديم حيث يتعلم محسن فوقي عصبي تحديث معلمات شبكة أخرى، مكتشفاً خوارزميات تحسين تكيفية خاصة بكل مشكلة
R2D2 (Recursive Reward Decomposition)
طريقة التعلم الميتا بالتعزيز باستخدام تفكيك هرمي للمكافآت لتعلم سياسات قابلة لإعادة الاستخدام عبر مختلف المهام.
Meta-Transfer Learning
نهج يجمع بين التعلم الميتا وتعلم التحويل لتعلم تمثيلات قابلة للنقل مع الحفاظ على القدرة على التكيف السريع مع توزيعات البيانات الجديدة.
Meta-RL (Meta-Reinforcement Learning)
مجال يتعلم فيه الوكيل كيفية تعلم سياسات تكيف سريع لمهام تعزيز جديدة من خلال استغلال الانتظاميات عبر البيئات.