斯坦福大学的CS 330课程Deep Multi-Task and Meta Learning(深度多任务学习与元学习)正在进行中,官方网站中部分Notes已放出。

虽然深度学习在有监督学习和强化学习问题(如图像分类、语音识别、游戏等)中获得了卓越的成果,这些模型在很大程度上都是针对单向任务来进行训练的。斯坦福大学的CS 330课程Deep Multi-Task and Meta Learning将会覆盖需要解决多项任务的场景,学习如何有效和高效地利用多任务模型。

成为VIP会员查看完整内容
107

相关内容

用已知某种或某些特性的样本作为训练集,以建立一个数学模型(如模式识别中的判别模型,人工神经网络法中的权重模型等),再用已建立的模型来预测未知样本,此种方法称为有监督学习。是最常见的机器学习方法。
元学习(meta learning) 最新进展综述论文
专知会员服务
276+阅读 · 2020年5月8日
深度强化学习策略梯度教程,53页ppt
专知会员服务
177+阅读 · 2020年2月1日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
【资源】NLP深度生成模型会议/论文列表
专知
9+阅读 · 2019年11月19日
【资源】PyTorch上方便好用的元学习工具包
专知
17+阅读 · 2019年9月18日
Arxiv
13+阅读 · 2019年1月26日
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
19+阅读 · 2018年3月28日
VIP会员
微信扫码咨询专知VIP会员