Core Concepts
提案されたFORMLメソッドは、Stiefel manifold上での第一近似を使用して、メタ学習問題のHessian-free bi-level最適化を実行します。
Abstract
この論文では、Riemannian空間でのメタ学習に焦点を当て、Stiefel manifold上でのパラメータに直交性制約を課すことで高い性能を実現しています。FORMLは、他の近似法や表現再利用方法と比較しても優れた結果を示しました。異なるバックボーンネットワークに対する実験でも、競争力のある結果が得られました。
Stats
FORMLは65.46±0.68%の5-shot分類精度を達成した。
RMAMLは50.03±0.84%の1-shot分類精度を達成した。
ANILは47.20±0.27%の1-shot分類精度を達成した。
BOILは64.40±0.28%の5-shot分類精度を達成した。
Quotes
"FORML meta-learns the matrix of the last fully connected layer using Riemannian operators, leading to higher performance and better convergence."