PuSH - Publikationsserver des Helmholtz Zentrums München

Binz, M. ; Dasgupta, I.* ; Jagadish, A.K. ; Botvinick, M.* ; Wang, J.X.* ; Schulz, E.

Meta-learning: Data, architecture, and both.

Behav. Brain Res. 47:e170 (2024)
Verlagsversion DOI PMC
We are encouraged by the many positive commentaries on our target article. In this response, we recapitulate some of the points raised and identify synergies between them. We have arranged our response based on the tension between data and architecture that arises in the meta-learning framework. We additionally provide a short discussion that touches upon connections to foundation models.
Altmetric
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Sonstiges: Nachrichtenmeldung
Sprache englisch
Veröffentlichungsjahr 2024
HGF-Berichtsjahr 2024
ISSN (print) / ISBN 0166-4328
e-ISSN 1872-7549
Quellenangaben Band: 47, Heft: , Seiten: , Artikelnummer: e170 Supplement: ,
Verlag Elsevier
Begutachtungsstatus Peer reviewed
POF Topic(s) 30205 - Bioengineering and Digital Health
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-540011-001
PubMed ID 39311510
Erfassungsdatum 2024-09-30