机器学习系统通常是在这样的假设下设计的，即它们将作为一个静态模型部署在世界上一个单一的静态区域。然而，世界是不断变化的，因此未来看起来不再完全像过去，甚至在相对静态的环境中，系统可能部署在其世界的新的、看不见的部分。尽管数据分布的这种连续变化会给机器学习中获得的模型带来重大挑战，但模型也不必是静态的:它可以而且应该自适应。在这次演讲中，我将讨论我们如何允许深度网络通过适应来鲁棒地应对这种分布转移。首先介绍元学习的概念，然后简要概述从机器人到药物设计的几个成功的元学习应用，最后讨论元学习研究前沿的几项最新工作。
视频： https://www.youtube.com/watch?v=7qOOmtXHilY&feature=youtu.be
成为VIP会员查看完整内容
Meta-Learning from Few-Shot Adaptation to Uncovering Symmetries
相关内容
斯坦福大学（StanfordUniversity）位于加利福尼亚州，临近旧金山，占地35平方公里，是美国面积第二大的大学。它被公认为世界上最杰出的大学之一，相比美国东部的常春藤盟校，特别是哈佛大学、耶鲁大学，斯坦福大学虽然历史较短，但无论是学术水准还是其他方面都能与常春藤名校相抗衡。斯坦福大学企业管理研究所和法学院在美国是数一数二的，美国最高法院的9个大法官，有6个是从斯坦福大学的法学院毕业的。
相关VIP内容
相关资讯
相关论文
微信扫码咨询专知VIP会员