人类学习新知识

[rochona]

元学习：更快地学习
机器学习模型通常需要大量训练数据才能表现良好，而的速度更快、效率更高。例如，人类只需少量样本就能快速学习；一个孩子看过几张鸟和猫的图片后，就能很快区分它们。

元学习是一种旨在通过使用内外学习循环范式来实现人类所表现出的快速学习的技术：

内部学习循环从一小组称为支持集的示例中快速学习。
外部学习循环确保内部循环能够在新的支持集上执行这种快速自适应。这 电话号码收集 是通过在查询集上进行训练来实现的，查询集包含与初始支持集相似但不同的示例。
这种方法学习一个初始模型，这是一个很好的起点；从这个好的初始模型开始，然后快速适应任何新任务。

时间序列预测方法：历史价值模型和时间指数模型
许多现有的时间序列方法属于历史值模型。这些模型以感兴趣的时间序列的过去观测值作为输入，并预测该时间序列的未来值。

一些经典的历史价值模型包括ETS（指数平滑），该模型认为预测是过去观测值的加权平均值，其中近期观测值的权重比旧观测值更高；在深度学习方面，ETSformer是我们在之前的文章中介绍过的一种预测方法，它将经典 ETS 方法的思想与现代 Transformer 框架相结合。