【DeepMind】结构化数据少样本学习，51页ppt

对结构化数据进行少样本学习可能是在现实生活中部署AI模型的基本要求。在经典的监督ML设置中，我们可以获得大量的标有标签的样本，这在现实环境中通常不是这样——一些例子是生化、健康、社会或天气环境。其中许多可以用图形表示，因此结构在设计能够成功处理这些场景的方法时也扮演着关键角色。因此，充分利用少数可用的标签并使我们的模型能够利用这些信息通常是很重要的，以便获得与通过数据需求方法获得的相同好的表示。该演讲展示了两件工作，从不同的角度解决了这个问题:场景图生成中新颖合成的图密度感知损失(Knyazev et al., 2020）和消息传递神经过程(Cangea & Day et al., 2020)。

https://catalinacangea.netlify.app/talk/roaidays_nov21/

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“FS51” 就可以获取《【DeepMind】结构化数据少样本学习，51页ppt》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100000+AI(AI与军事、医药、公安等)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100000+AI主题知识资料