Yan LeCun 109页最新报告：图嵌入, 内容理解，自监督学习（附PPT下载）

【导读】Yan Lecun 十月份在Google matrix: fundamentals, applications and beyond 研讨会上做了《图嵌入, 内容理解，自监督学习》的报告。 报告中回顾了各种监督方法在计算式视觉领域取得的重大突破，比如Mask-RCNN, 并强调了未来对非结构化数据比如Graph进行表示学习的重要性。

Yan Lecun还介绍了自己的几项在内容理解上的最新工作，比如利用对抗学习的视频预测。Yan Lecun在报告中指出自监督学习(Self-supervised learning)可以作为强化学习的一种潜在解决方案，因为自监督学习将输入和输出都当成完整系统的一部分，使得它在诸如图像补全，图像迁移，时间序列预测等任务上都非常有效。此外自监督模型的复杂度随着额外反馈信息的加入而增加，可以在很大程度上减少计算过程中人为的干预。

自监督学习部分可以阅读专知以前的报道

Yan Lecun 自监督学习：机器能像人一样学习吗？ 110页PPT+视频

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“GECUSSL” 就可以获取全文报告 PPT下载链接~ 

 个人主页：

http://yann.lecun.com

报告PPT

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知