2021年深度学习哪些方向比较新颖,处于上升期或者朝阳阶段,没那么饱和,比较有研究潜力?
关注者
3,486被浏览
1,689,331登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏
我对这几个还比较感兴趣,而且认为也是深度学习中存在的问题,以及值得解决的问题:
1.基于数据的应用场景
数据本身获取就是一件难事,更何况后面的标注(无监督/半监督),如何采用现有数据或者更少数据(few/one/zero-shot learning)。也许目前离工业落地还有距离,但也是有需求的。
2.深度学习可解释性
目前的深度学习很多工作是在一个坑里,堆叠数学公式,使用一些trick,然后刷新一个指标,或者再定义一个新的指标去刷,没有深挖模型的可解释性这一个问题。就好像每次考试前都没复习,但一不小心还考的不错,想起来总觉得不踏实。
3.模型鲁棒性以及训练和真实数据的偏差
很多时候大家训练的模型都是单一设定下的,我总是想,要是能够提高模型的鲁棒性,在其它相似或者有一定差异的场景下也能直接使用就好了,这样也减少了数据的需求。但随之带来的,训练数据和真实场景中的数据往往是有bias的,也是需要解决的一个问题。总而言之,就是怎样用较少的数据,得到一个对多个数据集/场景都非常友好的模型,那就太好了。