Learning with Limited Samples: Meta-Learning and Applications to Communication Systems
Deep Learning hat bei vielen maschinellen Lernaufgaben wie Bildklassifizierung, Spracherkennung und Spielen bemerkenswerte Erfolge erzielt. Diese Durchbrüche lassen sich jedoch oft nur schwer in reale technische Systeme übertragen, da Deep-Learning-Modelle eine große Anzahl von Trainingsbeispielen benötigen, die in der Praxis nur mit großem Aufwand zu beschaffen sind.
Um der Knappheit an gelabelten Daten zu begegnen, optimiert das Meta-Lernen mit wenigen Aufnahmen Lernalgorithmen, die sich schnell und effizient an neue Aufgaben anpassen können. Während das Meta-Lernen in der Literatur zum maschinellen Lernen auf großes Interesse stößt, sind seine Funktionsprinzipien und theoretischen Grundlagen in der Ingenieurgemeinschaft nicht so gut bekannt. Diese Übersichtsmonographie bietet eine Einführung in das Meta-Lernen, indem sie Prinzipien, Algorithmen, Theorie und technische Anwendungen behandelt.
Nach einer Einführung in das Meta-Lernen im Vergleich zum konventionellen und gemeinsamen Lernen werden die wichtigsten Meta-Lernalgorithmen sowie ein allgemeiner zweistufiger Optimierungsrahmen für die Definition von Meta-Lernverfahren beschrieben. Anschließend werden bekannte Ergebnisse über die Verallgemeinerungsfähigkeiten des Meta-Lernens aus der Sicht des statistischen Lernens zusammengefasst.
Anschließend werden Anwendungen für Kommunikationssysteme, einschließlich Dekodierung und Leistungszuweisung, erörtert, gefolgt von einer Einführung in Aspekte im Zusammenhang mit der Integration von Meta-Learning mit aufkommenden Rechentechnologien, nämlich neuromorphen und Quantencomputern. Die Monographie schließt mit einem Überblick über offene Forschungsfragen.
| ISBN: | 9781638281368 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
