The Advantage of Conditional Meta-Learning for Biased Regularization and Fine-Tuning
The Advantage of Conditional Meta-Learning for Biased Regularization and Fine-Tuning
复制标题
条件元学习在有偏正则化和微调方面的优势
DOI：
10.48550/arxiv.2008.10857
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Denevi G
中科院分区：
文献类型：
--
作者：
Denevi G
登录
查看更多内容
DOI：
--
发表时间：
2019-06
期刊：
--
影响因子：
--
作者：
M. Khodak;Maria-Florina Balcan;Ameet Talwalkar
通讯作者：
M. Khodak;Maria-Florina Balcan;Ameet Talwalkar
DOI：
--
发表时间：
2012
期刊：
International Workshop on Cognitive Information Processing
影响因子：
--
作者：
Andreas Maurer;M. Pontil
通讯作者：
M. Pontil
DOI：
--
发表时间：
2013-10
期刊：
--
影响因子：
--
作者：
Andreas Argyriou;S. Clémençon;Ruocong Zhang
通讯作者：
Andreas Argyriou;S. Clémençon;Ruocong Zhang
线性变换类的 Rademacher 复杂度
DOI：
10.1007/11776420_8
发表时间：
2006
期刊：
2016 IEEE 16th International Conference on Data Mining (ICDM)
影响因子：
--
作者：
Andreas Maurer
通讯作者：
Andreas Maurer
线性表示的可证明元学习
DOI：
--
发表时间：
2020
期刊：
International Conference on Machine Learning
影响因子：
--
作者：
Nilesh Tripuraneni;Chi Jin;Michael I. Jordan
通讯作者：
Michael I. Jordan