Učenie s obmedzenými vzorkami: Meta-učenie a aplikácie v komunikačných systémoch

Pôvodný názov:

Learning with Limited Samples: Meta-Learning and Applications to Communication Systems

Obsah knihy:

Hlboké učenie dosiahlo pozoruhodný úspech v mnohých úlohách strojového učenia, ako je klasifikácia obrázkov, rozpoznávanie reči a hranie hier. Tieto prelomové úspechy je však často ťažké preniesť do reálnych technických systémov, pretože modely hlbokého učenia si vyžadujú obrovský počet tréningových vzoriek, ktorých získanie v praxi je nákladné.

Na riešenie nedostatku označených údajov sa pomocou metaučenia s niekoľkými snímkami optimalizujú algoritmy učenia, ktoré sa dokážu efektívne a rýchlo prispôsobiť novým úlohám. Hoci meta-learning získava v literatúre o strojovom učení značný záujem, jeho princípy fungovania a teoretické základy nie sú v inžinierskej komunite tak dobre pochopené. Táto prehľadová monografia poskytuje úvod do metaučenia prostredníctvom princípov, algoritmov, teórie a technických aplikácií.

Po predstavení metaučenia v porovnaní s konvenčným a spoločným učením sú opísané hlavné algoritmy metaučenia, ako aj všeobecný dvojúrovňový optimalizačný rámec na definovanie techník metaučenia. Potom sú zhrnuté známe výsledky o zovšeobecňujúcich schopnostiach metaučenia z hľadiska štatistického učenia.

Ďalej sa rozoberajú aplikácie v komunikačných systémoch vrátane dekódovania a prideľovania výkonu, po ktorých nasleduje úvod do aspektov súvisiacich s integráciou metaučenia s novými výpočtovými technológiami, konkrétne s neuromorfnými a kvantovými výpočtami. Monografia sa uzatvára prehľadom otvorených výskumných výziev.