本章从优化理论的视角来分析元学习。我们将高效学习的目标构设为一个双层优化问题：一个外部优化过程指导一个内部适应过程。您将学习此问题的形式化结构，考察为解决它而设计的算法（包括基于梯度的方法和隐式方法），了解其与超参数 (parameter) (hyperparameter)优化技术的关联，考察寻找快速适应最佳模型初始化值的策略，并回顾这些方法的收敛性理论结果。这一视角为理解元学习算法的工作方式及其复杂性所在提供了一个有结构的数学基础。