本书全面介绍了深度元学习技术的知识，包括元学习、机器学习、深度学习及其技术平台和应用案例，给出了一套较为完备的深度元学习框架，并根据作者所在课题组的研究成果提出了一些具有启发性的元学习算法和思考方向。 全书共9章。第1章主要介绍元学习的基本概念、基本任务和基本类型；第2章系统介绍深度学习的概念、原理和应用，帮助读者逐步具备一定的深度学习实践能力；第3章介绍一种简单的元学习神经网络——孪生网络；第4章介绍原型网络及其各种变体；第5章介绍两种有趣单样本元学习算法——关系网络和匹配网络；第6章介绍记忆增强神经网络；第7章进一步介绍饶有趣味且应用广泛的元学习算法——模型无关元学习及其变种；第8章介绍另外两种经典的元学习模型——MetaSGD和Reptile；第9章深入介绍元学习的一些新进展与**研究成果——基于样本抽样和任务难度自适应的深度元学习理论。全书提供大量应用实例和配套代码，每章后均附有适量思考题，引发读者思考和讨论。 全书行文浅显易懂，深入浅出，适合作为高等学校计算机相关专业研究生或高年级本科生开展元学习理论教学，也可供广大AI技术开发和研究人员参考。

王茂发 （1981-），男，博士，硕导，桂林电子科技大学副教授（校聘正教授）。主要从深度元学习算法研究，及地质、地震领域的人工智能系统研发，发表SCI论文10余篇，主持国家自然基金项目2项，主持省部级课题2项，主持中央高校科研基本业务课题1项，参与完成科技重大专项子课题（第一完成人）1项，主持和参与其他科研课题多项。主讲深度学习、元学习、智能数据挖掘、自然语言处理等人工智能核心课程。多次获得校级优秀教师和优秀本科毕业论文指导教师生荣誉，2019届北京优秀毕业生（硕士）。

前言 元学习的历史可以追溯到20世纪60年代开始的机器学习研究，当时一些研究人员开始探索如何在学习中引入“元”的概念。其中最早的尝试包括基于决策树的元学习和基于规则的元学习。 近年来，随着机器学习领域的快速发展，元学习变得越来越受关注。元学习的研究涉及强化学习、机器人学、自然语言处理等各个领域，并在这些领域中取得了许多应用成果。 总体来说，元学习是一种机器学习的方法，它旨在使机器学习系统能够自动学习如何学习。元学习的目标是开发出一种智能系统，该系统能够快速适应新的任务和环境，而不需要大量的训练数据或重新设计整个学习算法。在元学习中，机器学习的基本模型通过学习如何在不同的任务之间共享和迁移知识来提高自己的学习能力。 路漫漫，其修远兮！本书是为有志于学习深度元学习技术的读者而写。希望本书能为现在或将来从事元学习、深度学习、机器学习及通用人工智能的读者提供知识参考，抛砖引玉，烘云托月。 本书力求浅显易懂、深入浅出，既可以作为深度元学习领域的专著，也可以作为计算机相关专业研究生或高年级本科生开展元学习理论教学的参考书。 本书共9章，章节安排以综合深度元学习工程应用为主线展开。第1章介绍了元学习的基本概念、基本任务和基本类型；第2章系统地介绍深度学习的基本概念、原理和应用，帮助读者逐步具备一定的深度学习实践能力；第3章介绍一种简单的神经网络——孪生网络；第4章介绍原型网络及其各种变体；第5章介绍两种有趣单样本学习算法——关系网络和匹配网络；第6章介绍记忆增强神经网络；第7章介绍饶有趣味且应用广泛的元学习算法——模型无关元学习；第8章介绍了另外两种经典的元学习模型—...