【斯坦福Chelsea Finn】元学习:从少样本自适应到发现对称性

2021 年 3 月 4 日 专知


机器学习系统通常是在这样的假设下设计的,即它们将作为一个静态模型部署在世界上一个单一的静态区域。然而,世界是不断变化的,因此未来看起来不再完全像过去,甚至在相对静态的环境中,系统可能部署在其世界的新的、看不见的部分。尽管数据分布的这种连续变化会给机器学习中获得的模型带来重大挑战,但模型也不必是静态的:它可以而且应该自适应。在这次演讲中,我将讨论我们如何允许深度网络通过适应来鲁棒地应对这种分布转移。首先介绍元学习的概念,然后简要概述从机器人到药物设计的几个成功的元学习应用,最后讨论元学习研究前沿的几项最新工作。


视频:

https://www.youtube.com/watch?v=7qOOmtXHilY&feature=youtu.be


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“MLFSA” 就可以获取【斯坦福Chelsea Finn】元学习:从少样本自适应到发现对称性》专知下载链接


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
1

相关内容

Chelsea Finn是Google Brain的研究科学家,也是加州大学伯克利分校的博士后。在2019年9月,她将加入斯坦福大学的计算机科学系担任助理教授。 Finn的研究兴趣在于使机器人和其他代理能够通过学习和交互来发展广泛的智能行为的能力。为此,芬恩开发了深度学习算法,用于同时学习机器人操纵技能中的视觉感知和控制,用于非线性奖励函数的可伸缩获取的逆强化方法以及可以在两个视觉系统中实现快速,少拍适应的元学习算法感知和深度强化学习。 Finn在麻省理工学院获得EECS的学士学位,并在加州大学伯克利分校获得CS的博士学位。她的研究得到了NSF研究生奖学金,Facebook奖学金C.V.的认可。她获得了Ramamoorthy杰出研究奖和《麻省理工学院技术评论35分35奖》,她的工作已被《纽约时报》,《连线》和彭博社等多家媒体报道。
【CVPR2021】现实世界域泛化的自适应方法
专知会员服务
55+阅读 · 2021年3月31日
最新《域自适应视觉应用》ECCV2020教程,67页PPT
专知会员服务
26+阅读 · 2020年12月24日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
189+阅读 · 2020年12月12日
专知会员服务
9+阅读 · 2020年11月12日
专知会员服务
29+阅读 · 2020年9月18日
【Google-CMU】元伪标签的元学习,Meta Pseudo Labels
专知会员服务
31+阅读 · 2020年3月30日
【ICML2020】小样本目标检测
专知
7+阅读 · 2020年6月2日
Google Brain ICLR Talk:元学习的前沿与挑战
专知
27+阅读 · 2019年5月9日
Arxiv
5+阅读 · 2020年6月16日
Arxiv
4+阅读 · 2020年1月17日
Arxiv
7+阅读 · 2019年5月31日
Arxiv
7+阅读 · 2018年12月26日
Arxiv
3+阅读 · 2018年11月19日
Arxiv
4+阅读 · 2018年11月7日
VIP会员
相关VIP内容
【CVPR2021】现实世界域泛化的自适应方法
专知会员服务
55+阅读 · 2021年3月31日
最新《域自适应视觉应用》ECCV2020教程,67页PPT
专知会员服务
26+阅读 · 2020年12月24日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
189+阅读 · 2020年12月12日
专知会员服务
9+阅读 · 2020年11月12日
专知会员服务
29+阅读 · 2020年9月18日
【Google-CMU】元伪标签的元学习,Meta Pseudo Labels
专知会员服务
31+阅读 · 2020年3月30日
Top
微信扫码咨询专知VIP会员