来自LIONS、EPFL等在CVPR2023给出的《计算机视觉中的深度学习理论进展》,非常值得关注!

过去的十年里,应用深度学习在诸如视觉、自然语言处理以及深度学习理论等任务上都取得了显著的进展。然而,这两个研究领域基本上是孤立发展的,这导致了许多错失的联系和想法。本教程旨在弥合神经网络的实证性能与深度学习理论之间的鸿沟。换句话说,我们的目标是使视觉研究者能够轻松理解最近的深度学习理论发展,并鼓励他们为实际任务设计新的架构和算法。我们的目标是帮助计算机视觉研究者更好地理解深度学习理论,并将其应用于设计新的理论上有原则的网络,从而带来突破性进展。

https://dl-theory.github.io/

成为VIP会员查看完整内容
80

相关内容

计算生物学中的大型语言模型——入门, 33页ppt
专知会员服务
40+阅读 · 2023年7月25日
【干货书】大规模图分析,632页pdf
专知会员服务
100+阅读 · 2022年10月8日
【干货书】知识图谱:基础,技术与应用,568页pdf
专知会员服务
191+阅读 · 2022年8月18日
【干货书】大规模图分析,632页pdf
专知
6+阅读 · 2022年10月8日
国家自然科学基金
12+阅读 · 2017年12月31日
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
131+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
325+阅读 · 2023年3月31日
Arxiv
53+阅读 · 2023年3月26日
Arxiv
111+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
12+阅读 · 2017年12月31日
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员