Uczenie się na ograniczonych próbkach: Meta-uczenie się i zastosowania w systemach komunikacyjnych

Oryginalny tytuł:

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

Zawartość książki:

Głębokie uczenie osiągnęło niezwykły sukces w wielu zadaniach uczenia maszynowego, takich jak klasyfikacja obrazów, rozpoznawanie mowy i granie w gry. Przełomowe odkrycia są jednak często trudne do przełożenia na rzeczywiste systemy inżynieryjne, ponieważ modele uczenia głębokiego wymagają ogromnej liczby próbek treningowych, których uzyskanie w praktyce jest kosztowne.

Aby zaradzić niedoborowi oznaczonych danych, meta-nauczanie typu few-shot optymalizuje algorytmy uczenia się, które mogą skutecznie i szybko dostosowywać się do nowych zadań. Podczas gdy meta-uczenie zyskuje duże zainteresowanie w literaturze dotyczącej uczenia maszynowego, jego zasady działania i podstawy teoretyczne nie są tak dobrze rozumiane w społeczności inżynierów. Niniejsza monografia przeglądowa stanowi wprowadzenie do meta-uczenia się, obejmując zasady, algorytmy, teorię i zastosowania inżynieryjne.

Po wprowadzeniu meta-uczenia w porównaniu z konwencjonalnym i wspólnym uczeniem się, opisano główne algorytmy meta-uczenia, a także ogólne ramy optymalizacji dwupoziomowej dla definicji technik meta-uczenia. Następnie podsumowano znane wyniki dotyczące możliwości uogólniania metauczenia z punktu widzenia uczenia statystycznego.

Następnie omówiono zastosowania w systemach komunikacyjnych, w tym dekodowanie i alokację mocy, a następnie wprowadzono aspekty związane z integracją meta-uczenia się z nowymi technologiami obliczeniowymi, a mianowicie obliczeniami neuromorficznymi i kwantowymi. Monografia kończy się przeglądem otwartych wyzwań badawczych.