资源|DeepMind自监督学习最新教程分享
点击上方“AI遇见机器学习”,选择“星标”公众号
重磅干货,第一时间送达一、资源简介
自监督学习是目前深度学习社区中发展迅速的研究方向之一,吸引了大量的研究人员投入其中,本文为大家整理了ICML会议上,DeepMind出品的权威教程,帮助了解自监督学习领域的发展方向。
首先,监督学习是目前最常见的机器学习类型。给定一组样本(通常由人工标注),他可以学会将输入数据映射到已知目标。一般来说,近年来过度关注的深度学习应用几乎都属于监督学习,比如光学字符识别、语音识别、图像分类和语言翻译。而自监督学习是监督学习的一个特例,它与众不同,值得单独分为一类。自监督学习是没有人工标注标签的监督学习,可以将它看作没有人类参与的监督学习。标签仍然存在(因为总要有什么东西来监督学习过程),但它们是从输入数据中生成的,通常使用启发式算法生成的。
二、主要内容
自监督学习,是非常有前途的一种技术方向,其中采用了基于代理的学习思想,允许模型和代理在没有显式监督的情况下进行学习,这将有助于提高任务的下游性能,自监督学习的一个主要好处是提高了数据效率,并且使用了更少的标记数据,或更少的环境步骤(在强化学习/机器人技术中)实现更好的性能。
这份ppt材料主要讲述了下面的内容:
- 图像或视频中的自监督学习
- 视频-音频中的自监督学习
- 其他领域中可用于自监督学习的成对信号场景
三、资源分享
同时为了方便大家,我们把最新资料打包好了,可以直接下载哦~
获取方式:
1. 关注我们的公众号“AI遇见机器学习”
2. 后台回复“自监督2019” 即可以获取资料哈~(建议复制,避免错字)
推荐阅读
欢迎关注我们,看通俗干货!
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。