Публикации по теме 'meta-learning'


Создание изображений с помощью нескольких снимков метаобучения
Анхель Гонсалес, Энсон Вонг, Чанг Су, Уткарш Патель 1. Введение Генеративные модели, такие как вариационные автоэнкодеры (VAE) и генеративные состязательные сети (GAN), обладают удивительной способностью генерировать реалистичные изображения [1], но, как и многие алгоритмы глубокого обучения, они требуют для работы огромного количества изображений и вычислительных ресурсов, что сокращает их полезность. Если для некоторых классов уже доступен большой объем данных, редко возникает..
Улучшайте свои научные модели с помощью метаобучения и вероятностных выводов
Улучшите свои научные модели с помощью метаобучения и вероятностных выводов Введение в вероятностный вывод и дистилляция статьи Рекуррентные машины для вероятностного вывода , опубликованной на семинаре NeurIPS 2018 по метаобучению . Статья написана совместно Артуром Песахом и Антуаном Вехенкелем Мотивация Обычно есть два способа придумать новую научную теорию: Начиная с первых принципов, выводя вытекающие из них законы и делая экспериментальные предсказания, чтобы..
Мета-обучение: научиться быстро учиться
В этом блоге я расскажу о метаобучении, которое также известно как обучение обучению с помощью машинного обучения. Что такое метаобучение? Нынешние агенты ИИ преуспели в овладении определенными навыками, такими как классификация объектов, предсказание катастрофы и т. д. Однако теперь ИИ широко используется в повседневной жизни. Почти каждая организация сейчас использует ИИ в своих продуктах. Поэтому необходим единый агент ИИ, способный решать самые разные задачи. Хорошая модель..
DeepMind и IDSIA вводят симметрии в Black-Box MetaRL, чтобы улучшить его способность к обобщению
Новое исследование, проведенное командой DeepMind и Swiss AI Lab IDSIA, предлагает использовать симметрии из обучения на основе обратного распространения, чтобы повысить возможности мета-обобщения мета-обучающихся «черного ящика». Метаобучение с подкреплением (RL) — это метод, используемый для автоматического обнаружения новых алгоритмов RL на основе взаимодействий агентов с окружающей средой. Хотя подходы «черного ящика» в этой области относительно гибки, они изо всех сил пытаются..
Эволюция обратного распространения
Эволюция обратного распространения Исследования по улучшению обучения алгоритмов для повышения точности Это резюме исследования - лишь одно из многих, которые еженедельно распространяются в информационном бюллетене для ученых в области ИИ. Чтобы начать получать еженедельную рассылку , зарегистрируйтесь здесь . Еще в 1986 году Джеффри Хинтон стал соавтором статьи, посвященной методу обратного распространения. Спустя десятилетия этот подход стал одним из важнейших алгоритмов..
Мягкое введение в мета-обучение
Мягкое введение в метаобучение Учиться усваивать знания Человек начинает изучать новое на нескольких примерах, в то время как глубокое обучение пока требует данных. Хорошая модель производительности, миллионы или даже миллиарды обучающих примеров - это, безусловно, классический способ ее достижения. Увеличение данных - один из методов создания синтетических образцов. Более того, стандартные нейронные сети не могут получать новые знания на лету. Можем ли мы построить модель,..
Создание потенциала в области науки о данных в UKHO: наша неделя исследований в июле 2021 г.
Соавторами этого блога являются Эндрю Смит, доктор Сьюзан Нельмс, Кейт Сил , Доктор Томас Редферн и Рэйчел Ки . Использование недель исследований для расширения границ науки о данных в UKHO Добро пожаловать в наш ежеквартальный пост в блоге, в котором мы делимся результатами « исследовательской недели» , исследуя интересные аспекты науки о данных и машинного обучения. В этом месяце команда изучает обнаружение морской инфраструктуры, метаобучение, моделирование текстовых тем,..