Descripción
La página de modelos basados en energía del CBLL Research Lab es un recurso de investigación del Laboratorio de Aprendizaje Computacional y Biológico de NYU (CBLL), que cubre un área de estudio activa desde septiembre de 2003 con participantes como Yann LeCun, Sumit Chopra, Raia Hadsell y Fu-Jie Huang. En lugar de un curso estructurado con un plan de estudios, organiza presentaciones en diapositivas, charlas en video y publicaciones que enseñan la teoría y práctica de los modelos basados en energía (EBMs).
Leer más
Un EBM asocia un valor de energía con cada configuración de un conjunto de variables, en lugar de una probabilidad normalizada como en un modelo gráfico probabilístico estándar. Hacer una predicción (una inferencia) significa encontrar la configuración con la energía más baja, y entrenar un EBM significa moldear la superficie de energía para que las configuraciones deseadas se sitúen en baja energía y las no deseadas en energía más alta, guiadas por una función de pérdida diseñada para ese propósito.
Los tutoriales de la página incluyen "Un Tutorial sobre Aprendizaje Basado en Energía", presentado en la Escuela de Verano CIAR 2006 en la Universidad de Toronto, con diapositivas en DjVu y PDF; un tutorial de 4 partes de la Escuela de Verano de Graduados IPAM 2005 en UCLA, con video en streaming y diapositivas que cubren una introducción a los EBMs, arquitecturas y funciones de pérdida, redes convolucionales para el reconocimiento de imágenes invariantes, y métricas de disimilitud entrenables, segmentación, etiquetado de secuencias y redes transformadoras de grafos; y una charla sobre funciones de pérdida para EBMs con salidas estructuradas de un taller NIPS 2004. Las publicaciones vinculadas incluyen el tutorial de 60 páginas "Un Tutorial sobre Aprendizaje Basado en Energía" (Bakir et al., 2006), "Funciones de Pérdida para el Entrenamiento Discriminativo de Modelos Basados en Energía" (LeCun y Huang, 2005), y "Detección Sinérgica de Rostros y Estimación de Pose" (Osadchy, Miller y LeCun, NIPS 2004), que aplica la metodología EBM y una función de pérdida contrastiva para detectar rostros y estimar su pose al mismo tiempo. La página también incluye demostraciones animadas que visualizan cómo diferentes funciones de pérdida moldean la superficie de energía de un EBM en una tarea de ejemplo simple.
Este recurso está dirigido a estudiantes de posgrado e investigadores que estudian la teoría del aprendizaje automático, particularmente modelos basados en energía y de salida estructurada, en lugar de a desarrolladores que buscan una herramienta descargable. Todas las diapositivas, videos y documentos vinculados son accesibles de forma gratuita en la página.
- CategoríaOtras herramientas de IA
Características principales de CBLL Research Lab
Presentaciones en diapositivas tutoriales sobre la teoría de modelos basados en energía, en formatos DjVu y PDF
Grabaciones en video en streaming de un tutorial de 4 partes de la Escuela de Verano de Graduados IPAM
Documentos publicados sobre aprendizaje basado en energía y de salida estructurada
Demostraciones animadas que muestran cómo diferentes funciones de pérdida moldean una superficie de energía
Una charla de taller NIPS sobre funciones de pérdida para salidas estructuradas
Investigación sobre redes convolucionales para el reconocimiento de imágenes invariantes
Un documento sobre detección sinérgica de rostros y estimación de pose utilizando la metodología EBM
¿Cómo usar CBLL Research Lab?
Comienza con la visión general: Lee la descripción de Modelos Basados en Energía en la página para entender el concepto central.
Mira el tutorial de IPAM: Sigue la serie de videos en streaming de 4 partes para un recorrido completo.
Lee el documento tutorial: Trabaja a través de "Un Tutorial sobre Aprendizaje Basado en Energía" para profundizar en la teoría.
Revisa las demostraciones: Estudia los ejemplos animados que muestran cómo las funciones de pérdida moldean la superficie de energía.
Consulta las publicaciones: Lee los documentos vinculados para aplicaciones específicas como la detección de rostros y la estimación de pose.
Casos de uso de CBLL Research Lab
- Aprender la teoría de EBM
- Aprendizaje de salida estructurada
- Referencia académica





