Apprendere con campioni limitati: Meta-apprendimento e applicazioni ai sistemi di comunicazione

Titolo originale:

Learning with Limited Samples: Meta-Learning and Applications to Communication Systems

Contenuto del libro:

L'apprendimento profondo ha ottenuto notevoli successi in molti compiti di apprendimento automatico, come la classificazione delle immagini, il riconoscimento vocale e i giochi. Tuttavia, queste scoperte sono spesso difficili da tradurre in sistemi ingegneristici reali perché i modelli di deep learning richiedono un numero massiccio di campioni di addestramento, che sono costosi da ottenere nella pratica.

Per far fronte alla scarsità di dati etichettati, il meta-apprendimento a pochi colpi ottimizza gli algoritmi di apprendimento che possono adattarsi in modo efficiente e rapido a nuovi compiti. Sebbene il meta-apprendimento stia riscuotendo un notevole interesse nella letteratura sull'apprendimento automatico, i suoi principi di funzionamento e i fondamenti teorici non sono altrettanto ben compresi nella comunità ingegneristica. Questa monografia fornisce un'introduzione al meta-apprendimento, trattando principi, algoritmi, teoria e applicazioni ingegneristiche.

Dopo aver introdotto il meta-apprendimento rispetto all'apprendimento convenzionale e a quello congiunto, vengono descritti i principali algoritmi di meta-apprendimento e un quadro generale di ottimizzazione bilivello per la definizione delle tecniche di meta-apprendimento. Vengono poi riassunti i risultati noti sulle capacità di generalizzazione del meta-apprendimento dal punto di vista dell'apprendimento statistico.

Vengono poi discusse le applicazioni ai sistemi di comunicazione, tra cui la decodifica e l'allocazione di potenza, seguite da un'introduzione agli aspetti legati all'integrazione del meta-apprendimento con le tecnologie informatiche emergenti, in particolare il calcolo neuromorfico e quantistico. La monografia si conclude con una panoramica delle sfide di ricerca aperte.