会员服务
泛化理论 · 样例 · 数据集 · 计算学习理论 · 人工智能 ·
2021 年 8 月 13 日
Datasets for Studying Generalization from Easy to Hard Examples
翻译：从简单到硬实例研究通用化的数据集
Avi Schwarzschild,Eitan Borgnia,Arjun Gupta,Arpit Bansal,Zeyad Emam,Furong Huang,Micah Goldblum,Tom Goldstein
Avi Schwarzschild,Eitan Borgnia,Arjun Gupta,Arpit Bansal,Zeyad Emam,Furong Huang,Micah Goldblum,Tom Goldstein

We describe new datasets for studying generalization from easy to hard examples.


翻译：我们描述新的数据集,用于从简单到硬的例子来研究概括化。
0
下载
关闭预览

相关内容

不可错过！UIUC最新《对抗机器学习》课程，附PPT
专知会员服务
33+阅读 · 2020年12月28日
不可错过！UIUC最新《统计强化学习》课程！
专知会员服务
52+阅读 · 2020年9月7日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
75+阅读 · 2020年2月8日
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
专知会员服务
123+阅读 · 2019年12月13日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Widen The Backdoor To Let More Attackers In
Arxiv
0+阅读 · 2021年10月9日
Counterexample Classification
Arxiv
0+阅读 · 2021年10月8日
From SCAN to Real Data: Systematic Generalization via Meaningful Learning
From SCAN to Real Data: Systematic Generalization via Meaningful Learning
Arxiv
0+阅读 · 2021年10月8日
FOCUS: Familiar Objects in Common and Uncommon Settings
Arxiv
0+阅读 · 2021年10月7日
Towards Out-Of-Distribution Generalization: A Survey
Arxiv
38+阅读 · 2021年8月31日
A Realistic Evaluation of Semi-Supervised Learning for Fine-Grained Classification
Arxiv
5+阅读 · 2021年4月1日
Adaptive Methods for Real-World Domain Generalization
Arxiv
13+阅读 · 2021年3月29日
Contrastive Learning with Adversarial Examples
Arxiv
5+阅读 · 2020年10月22日
Pretrained Transformers Improve Out-of-Distribution Robustness
Arxiv
5+阅读 · 2020年4月13日
Train Once, Test Anywhere: Zero-Shot Learning for Text Classification
Arxiv
4+阅读 · 2017年12月23日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
泛化理论
样例
数据集
计算学习理论
人工智能
相关VIP内容
不可错过！UIUC最新《对抗机器学习》课程，附PPT
专知会员服务
33+阅读 · 2020年12月28日
不可错过！UIUC最新《统计强化学习》课程！
专知会员服务
52+阅读 · 2020年9月7日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
75+阅读 · 2020年2月8日
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
专知会员服务
123+阅读 · 2019年12月13日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Widen The Backdoor To Let More Attackers In
Arxiv
0+阅读 · 2021年10月9日
Counterexample Classification
Arxiv
0+阅读 · 2021年10月8日
From SCAN to Real Data: Systematic Generalization via Meaningful Learning
From SCAN to Real Data: Systematic Generalization via Meaningful Learning
Arxiv
0+阅读 · 2021年10月8日
FOCUS: Familiar Objects in Common and Uncommon Settings
Arxiv
0+阅读 · 2021年10月7日
Towards Out-Of-Distribution Generalization: A Survey
Arxiv
38+阅读 · 2021年8月31日
A Realistic Evaluation of Semi-Supervised Learning for Fine-Grained Classification
Arxiv
5+阅读 · 2021年4月1日
Adaptive Methods for Real-World Domain Generalization
Arxiv
13+阅读 · 2021年3月29日
Contrastive Learning with Adversarial Examples
Arxiv
5+阅读 · 2020年10月22日
Pretrained Transformers Improve Out-of-Distribution Robustness
Arxiv
5+阅读 · 2020年4月13日
Train Once, Test Anywhere: Zero-Shot Learning for Text Classification
Arxiv
4+阅读 · 2017年12月23日
Top
微信扫码咨询专知VIP会员
Top