深度学习三巨头之一,2018年度图灵奖获得者Geoffrey Hinton近日在arXiv上发表了一篇只包含idea,没有任何实验的44页长文,文章致力于将Transformer、Contrastive representation learning、Capsule等前沿技术结合起来,提出了一个名为GLOM的系统,旨在回答“神经网络如何将不同输入图像动态解析为对应的局部-整体层次结构”这一关键问题,本文将对论文进行深入讲解,帮助大家了解GLOM系统的前世今生。
「这篇论文并没有描述一个已经在运行的系统。它只描述了一个有关表示的单一想法, 允许将几个不同的小组所取得的进步组合到一个称为 GLOM 的假想系统中。这些进步包含。GLOM 回答了一个问题:具有固定架构的神经网络如何将图像解析为部分 - 整体的层次结构,而每个图像的层次结构又都不同?
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“HGLO” 可以获取《图灵奖Geoffrey Hinton最新斯坦福演讲《什么是GLOM?如何在神经网络中表示部分-整体层次》 涵盖神经场对比学习等》专知下载链接索引