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。
Scaling-based Data Augmentation for Generative Models and its Theoretical Extension
Arxiv
0+阅读 · 10月28日
Generalized Fake Audio Detection via Deep Stable Learning
Arxiv
0+阅读 · 6月5日
Learning heavy-tailed distributions with Wasserstein-proximal-regularized $α$-divergences
Arxiv
0+阅读 · 5月22日
Training-Conditional Coverage Bounds for Uniformly Stable Learning Algorithms
Arxiv
0+阅读 · 4月21日
Mastering Diverse Domains through World Models
Mastering Diverse Domains through World Models
Arxiv
0+阅读 · 4月17日
Rethinking Adversarial Policies: A Generalized Attack Formulation and Provable Defense in RL
Arxiv
0+阅读 · 2月20日
Local Borsuk-Ulam, Stability, and Replicability
Arxiv
0+阅读 · 2023年11月2日
Stability of Multi-Agent Learning: Convergence in Network Games with Many Players
Arxiv
0+阅读 · 2023年7月26日
SL: Stable Learning in Source-Free Domain Adaption for Medical Image Segmentation
Arxiv
0+阅读 · 2023年7月24日
Learning Foresightful Dense Visual Affordance for Deformable Object Manipulation
Arxiv
0+阅读 · 2023年7月21日
Landmark Guided Active Exploration with Stable Low-level Policy Learning
Arxiv
0+阅读 · 2023年6月30日
SLACK: Stable Learning of Augmentations with Cold-start and KL regularization
SLACK: Stable Learning of Augmentations with Cold-start and KL regularization
Arxiv
0+阅读 · 2023年6月16日
HoloDiffusion: Training a 3D Diffusion Model using 2D Images
Arxiv
0+阅读 · 2023年5月21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