MetaLearnNCA实现少样本免解析梯度适应

Etienne Guichard与Stefano Nichele提出MetaLearnNCA框架，让主动神经细胞自动机与可学习的Meta-NCA交互，在不计算解析梯度的情况下完成少样本离线任务适应。 论文报告，该方法在10-shot MNIST上较Prototypical Networks高10.54%，在10-shot Fashion-MNIST上较FOMAML高3.87%。作者称，这表明去中心化细胞动力学可在非冯·诺依曼基底上产生稳健的免梯度元学习能力；目前证据来自arXiv论文。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。