这方面的研究专家，参考西安交通大学的
孟德宇老师

他最近的研究方向：
Fundamental problems in machine learning and computer vision, especially including:

Meta-learning
Variational bayesian methods on inverse problems
Robust and interpretable deep learning

1.1 Self-paced curriculum learning

https://ojs.aaai.org/index.php/AAAI/article/view/9608；

课程学习（CL）或自定进度学习（SPL）代表了最近提出的一种学习制度，其灵感来自人类和动物的学习过程，在训练中逐渐从简单到更复杂的样本。这两种方法具有相似的概念学习范式，但具体的学习方案不同。在CL中，课程由先验知识预先确定，此后保持固定。因此，这种方法在很大程度上依赖于先验知识的质量，而忽略了对学习者的反馈。在SPL中，课程是动态确定的，以适应精益者的学习速度。然而，SPL无法处理先验知识，使其容易过度拟合。在本文中，我们发现了CL和SPL之间缺失的联系，并提出了一个名为自定进度课程倾斜（SPCL）的统一框架。SPCL被表述为一个简洁的优化问题，它既考虑了训练前已知的先验知识，也考虑了训练期间的学习进度。与人类教育相比，SPCL类似于“讲师-学生-协作”学习模式，而不是CL中的“讲师驱动”或SPL中的“学生驱动”。根据经验，我们证明了SPCL在两个任务上的优势

1.2 课程学习

参考阅读

http://huangc.top/2021/06/13/Curriculum-Learning-2021/

1.3

2.

2.1

2.2

2.3

3.

3.1

3.2

3.3

课程学习（CL）或自定进度学习（SPL）代表了最近提出的一种学习制度，其灵感来自人类和动物的学习过程，在训练中逐渐从简单到更复杂的样本。这两种方法具有相似的概念学习范式，但具体的学习方案不同。在CL中，课程由先验知识预先确定，此后保持固定。因此，这种方法在很大程度上依赖于先验知识的质量，而忽略了对学习者的反馈。在SPL中，课程是动态确定的，以适应精益者的学习速度。然而，SPL无法处理先验知识，使其容易过度拟合。在本文中，我们发现了CL和SPL之间缺失的联系，并提出了一个名为自定进度课程倾斜（SPCL）的统一框架。SPCL被表述为一个简洁的优化问题，它既考虑了训练前已知的先验知识，也考虑了训练期间的学习进度。与人类教育相比，SPCL类似于“讲师-学生-协作”的学习模式，而不是CL中的“讲师驱动”或SPL中的“学生驱动”。根据经验，我们证明了SPCL在两个任务上的优势