一种线性迁移元学习算法的研究

来源：计算机工程与应用杂志2025年第5期北京时间：

作者：王佳恬, 李凡长

单位：苏州大学 计算机科学与技术学院，江苏 苏州 215000

摘要：元学习被认为是一种重要的解决小样本学习任务的工作，但其使用的浅层神经网络具有局限性，最近的工作表明深度神经网络模型虽然具有强大的特征提取能力，但存在一定程度的过度拟合问题，无法快速适应样本稀缺的新任务。为了更好地适应新任务，提出了一种线性迁移的元学习方法，通过对深度神经网络进行大量任务的训练，将其线性迁移到小样本场景中，来缓解过度拟合的问题，并且获得快速适应新任务的能力；随后再通过引入课程学习的分段批操作来进一步提高模型的鲁棒性。实验结果证明该方法在四种小样本数据集Mini-ImageNet、Fewshot-CIFAR100、TieredImageNet和Omniglot上取得了良好的分类效果。

关键词：小样本学习,元学习,迁移学习,深度神经网络,课程学习