会员服务
稳定学习是研究如何让模型能够泛化到未知开放环境的机器学习任务。现在的机器学习算法已经被广泛应用到各种高风险场景之中，包括医疗、工业制造、金融和司法等。在这些场景中，基于独立同分布假设的机器学习模型往往会暴露出稳定性、可解释性和公平性等社会风险[1]。因此稳定学习旨在学习一个预测模型，该模型可以在任何可能的真实环境上取得一致的良好性能[1]，进而规避潜在的技术风险。
KDD20 | 基于差分变量去相关的稳定学习
KDD20 | 基于差分变量去相关的稳定学习
专知
2+阅读 · 2021年1月7日
清华大学崔鹏：探索因果推理和机器学习的共同基础
清华大学崔鹏：探索因果推理和机器学习的共同基础
AI科技评论
2+阅读 · 2020年12月9日
【动态】 “人工智能安全与隐私”系列论坛第11期圆满落幕
【动态】 “人工智能安全与隐私”系列论坛第11期圆满落幕
中国图象图形学学会CSIG
1+阅读 · 2022年3月11日
VALSE Webinar 21-21期 总第248期 知其所以然：因果推理与学习
VALSE Webinar 21-21期 总第248期 知其所以然：因果推理与学习
VALSE
1+阅读 · 2021年8月5日
活动报名 | 智源因果社区：因果启发的稳定学习年度研究进展
活动报名 | 智源因果社区：因果启发的稳定学习年度研究进展
PaperWeekly
1+阅读 · 2021年11月5日
机器学习的可解释性：因果推理和稳定学习
机器学习的可解释性：因果推理和稳定学习
DataFunTalk
13+阅读 · 2020年3月3日
清华崔鹏等Nature子刊最新论文：稳定学习建立因果推理和机器学习的共识基础
清华崔鹏等Nature子刊最新论文：稳定学习建立因果推理和机器学习的共识基础
专知
1+阅读 · 2022年2月27日
重磅！清华崔鹏与美国科学院院士Susan Athey在Nature子刊发布稳定学习观点论文
重磅！清华崔鹏与美国科学院院士Susan Athey在Nature子刊发布稳定学习观点论文
THU数据派
0+阅读 · 2022年2月25日
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
专知
11+阅读 · 2020年8月28日
参考链接
https://mp.weixin.qq.com/s/ThmSSB3uGYNE0_6b29py-A
微信扫码咨询专知VIP会员
Top