Beschreibung
Die Seite der energie-basierten Modelle des CBLL Forschungszentrums ist eine Forschungsressource des Computational and Biological Learning Lab (CBLL) der NYU, die ein Studienfeld abdeckt, das seit September 2003 aktiv ist, mit Teilnehmern wie Yann LeCun, Sumit Chopra, Raia Hadsell und Fu-Jie Huang. Anstatt einen strukturierten Kurs mit einem Lehrplan anzubieten, organisiert sie Tutorial-Folien, Streaming-Video-Vorträge und Publikationen, die die Theorie und Praxis energie-basierter Modelle (EBMs) lehren.
Weiterlesen
Ein EBM assoziiert einen Energiewert mit jeder Konfiguration einer Menge von Variablen, anstatt eine normalisierte Wahrscheinlichkeit wie in einem standardmäßigen probabilistischen grafischen Modell. Eine Vorhersage (eine Inferenz) bedeutet, die Konfiguration mit der niedrigsten Energie zu finden, und das Training eines EBMs bedeutet, die Energiestruktur so zu gestalten, dass gewünschte Konfigurationen bei niedriger Energie und unerwünschte bei höherer Energie liegen, geleitet von einer Verlustfunktion, die für diesen Zweck entworfen wurde.
Die Tutorials der Seite umfassen "Ein Tutorial zum energie-basierten Lernen", das auf der CIAR-Sommerschule 2006 an der Universität von Toronto gehalten wurde, mit Folien im DjVu- und PDF-Format; ein 4-teiliger Tutorial von der IPAM Graduate Summer School 2005 an der UCLA, mit Streaming-Video und Folien, die eine Einführung in EBMs, Architekturen und Verlustfunktionen, konvolutionale Netzwerke für invariant Bildverarbeitung sowie trainierbare Dissimilaritätsmetriken, Segmentierung, Sequenzkennzeichnung und Graph-Transformer-Netzwerke abdecken; und einen Vortrag über Verlustfunktionen für EBMs mit strukturierten Ausgaben von einem NIPS 2004 Workshop. Verlinkte Publikationen umfassen das 60-seitige Tutorial "Ein Tutorial zum energie-basierten Lernen" (Bakir et al., 2006), "Verlustfunktionen für diskriminative Trainings von energie-basierten Modellen" (LeCun und Huang, 2005) und "Synergistische Gesichtserkennung und Pose-Schätzung" (Osadchy, Miller und LeCun, NIPS 2004), das die EBM-Methodologie und eine kontrastive Verlustfunktion anwendet, um Gesichter zu erkennen und gleichzeitig ihre Pose zu schätzen. Die Seite enthält auch animierte Demonstrationen, die veranschaulichen, wie verschiedene Verlustfunktionen die Energiestruktur eines EBMs an einem einfachen Beispielaufgabe formen.
Diese Ressource richtet sich an Doktoranden und Forscher, die die Theorie des maschinellen Lernens studieren, insbesondere energie-basierte und strukturierte Ausgabemodelle, und nicht an Entwickler, die nach einem herunterladbaren Tool suchen. Alle Folien, Videos und verlinkten Arbeiten sind auf der Seite frei zugänglich.
- KategorieWeitere KI-Tools
CBLL Forschungszentrum's Kernfunktionen
Tutorial-Folien zur Theorie energie-basierter Modelle im DjVu- und PDF-Format
Streaming-Videoaufzeichnungen eines 4-teiligen IPAM Graduate Summer School Tutorials
Veröffentlichte Arbeiten über energie-basiertes und strukturiertes Lernen
Animierte Demonstrationen, die zeigen, wie verschiedene Verlustfunktionen eine Energiestruktur formen
Ein NIPS-Workshop-Vortrag über Verlustfunktionen für strukturierte Ausgaben
Forschung zu konvolutionalen Netzwerken für invariant Bildverarbeitung
Eine Arbeit über synergistische Gesichtserkennung und Pose-Schätzung unter Verwendung der EBM-Methodologie
Wie verwendet man CBLL Forschungszentrum?
Beginnen Sie mit dem Überblick: Lesen Sie die Beschreibung der energie-basierten Modelle auf der Seite für das Kernkonzept.
Sehen Sie sich das IPAM-Tutorial an: Folgen Sie der 4-teiligen Streaming-Video-Serie für die umfassendste Durchsicht.
Lesen Sie das Tutorial-Papier: Arbeiten Sie das "Ein Tutorial zum energie-basierten Lernen" durch, um die Theorie im Detail zu verstehen.
Überprüfen Sie die Demonstrationen: Studieren Sie die animierten Beispiele, die zeigen, wie Verlustfunktionen die Energiestruktur formen.
Überprüfen Sie die Publikationen: Lesen Sie die verlinkten Arbeiten zu spezifischen Anwendungen wie Gesichtserkennung und Pose-Schätzung.
CBLL Forschungszentrum's Anwendungsfälle
- EBM-Theorie lernen
- Strukturiertes Lernen
- Akademische Referenz
