Key points are not available for this paper at this time.
실제 응용 프로그램에서 주석이 달린 데이터 샘플은 종종 제한적입니다. 관련 작업에서 학습한 이전 지식을 활용하고 제한된 감독 경험의 새로운 작업에 일반화하는 메타 학습은 소수 학습을 위한 효과적인 접근 방식입니다. 그러나 전역적으로 공유된 지식을 사용하는 표준 메타 학습은 작업 이질성 문제를 잘 처리할 수 없습니다. 즉, 작업들이 서로 다른 분포에 위치합니다. 최근의 발전은 작업별 초기 매개변수 또는 지표를 유발하기 위한 여러 방법을 모색하여 작업 특정 정보를 사용자 정의하고 있습니다. 이러한 접근 방식은 데이터에서 작업 컨텍스트 정보를 학습하지만 학습 과정에 도움이 될 수 있는 외부 도메인 지식을 무시합니다. 본 논문에서는 도메인 지식 그래프를 활용하여 데이터 표현을 풍부하게 하고 작업 특정 사용자 지정을 제공하는 작업 적응 네트워크(TAdaNet)를 제안합니다. 구체적으로, 우리는 작업 관계를 특징짓고 작업 특정 매개변수를 조정하는 작업 임베딩을 학습하여 분류를 위한 작업 적응 메트릭 공간을 생성합니다. 몇 샷 이미지 분류 문제에 대한 실험 결과는 제안된 방법의 효과성을 보여줍니다. 또한 이를 실제 질병 분류 문제에 적용하여 임상 결정 지원에 대한 유망한 결과를 보여줍니다.
Suo et al. (Thu,)는 이 질문을 연구했습니다.