Aprendizaje con muestras limitadas: Metaaprendizaje y aplicaciones a los sistemas de comunicación

Título original:

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

Contenido del libro:

El aprendizaje profundo ha logrado éxitos notables en muchas tareas de aprendizaje automático, como la clasificación de imágenes, el reconocimiento del habla y los juegos. Sin embargo, estos avances son a menudo difíciles de trasladar a los sistemas de ingeniería del mundo real porque los modelos de aprendizaje profundo requieren un número masivo de muestras de entrenamiento, que son costosas de obtener en la práctica.

Para hacer frente a la escasez de datos etiquetados, el metaaprendizaje de pocas muestras optimiza los algoritmos de aprendizaje que pueden adaptarse eficazmente a nuevas tareas con rapidez. Aunque el metaaprendizaje está despertando un gran interés en la literatura sobre aprendizaje automático, sus principios de funcionamiento y fundamentos teóricos no se comprenden tan bien en la comunidad de ingenieros. Esta monografía de revisión ofrece una introducción al metaaprendizaje, abarcando principios, algoritmos, teoría y aplicaciones de ingeniería.

Tras introducir el metaaprendizaje en comparación con el aprendizaje convencional y conjunto, se describen los principales algoritmos de metaaprendizaje, así como un marco general de optimización binivel para la definición de técnicas de metaaprendizaje. A continuación, se resumen los resultados conocidos sobre la capacidad de generalización del metaaprendizaje desde el punto de vista del aprendizaje estadístico.

A continuación se discuten las aplicaciones a los sistemas de comunicación, incluyendo la decodificación y la asignación de potencia, seguidas de una introducción a los aspectos relacionados con la integración del meta-aprendizaje con las tecnologías informáticas emergentes, a saber, la computación neuromórfica y cuántica. La monografía concluye con una visión general de los retos de investigación pendientes.