论文阅读：META LEARNING FOR END-TO-END LOW-RESOURCE SPEECH RECOGNITION

论文阅读：META LEARNING FOR END-TO-END LOW-RESOURCE SPEECH RECOGNITION

下载链接：https://arxiv.org/abs/1910.12094

主要思想：

       本篇文章的主要思想是利用meta learning实现低资源的ASR。

       meta learning： learn to learn。主要是获取一种“学会学习”的能力，使其可以在获取已有“知识”的基础上快速学习新的任务。

       具体可以参考这篇文章，讲的非常的详细：https://zhuanlan.zhihu.com/p/136975128

       另外也可以参考李宏毅的视频：https://www.bilibili.com/video/BV1Gb411n7dE?p=36

模型主要结构：

       1、本文还是采取常用的CTC LOSS优化模型，只是在训练是采用 MAML(model-agnostic meta learning algorithm)

      【MAML：其主要思想是获得一个可以使得模型在不同的类别上都能取得很好表现的初始化参数，获得足够强的泛化能力，从而面对新的、从未见过的task时，通过fine