Descrição
A página de modelos baseados em energia do CBLL Research Lab é um recurso de pesquisa do Laboratório de Aprendizado Computacional e Biológico da NYU (CBLL), cobrindo uma área de estudo ativa desde setembro de 2003, com participantes incluindo Yann LeCun, Sumit Chopra, Raia Hadsell e Fu-Jie Huang. Em vez de um curso estruturado com um currículo, organiza conjuntos de slides de tutoriais, palestras em vídeo e publicações que ensinam a teoria e a prática dos modelos baseados em energia (EBMs).
Ler mais
Um EBM associa um valor de energia a cada configuração de um conjunto de variáveis, em vez de uma probabilidade normalizada como em um modelo gráfico probabilístico padrão. Fazer uma previsão (uma inferência) significa encontrar a configuração com a menor energia, e treinar um EBM significa moldar a superfície de energia para que as configurações desejadas fiquem em baixa energia e as indesejadas fiquem mais altas, guiadas por uma função de perda projetada para esse propósito.
Os tutoriais da página incluem "Um Tutorial sobre Aprendizado Baseado em Energia", apresentado na Escola de Verão CIAR de 2006 na Universidade de Toronto, com slides em DjVu e PDF; um tutorial em 4 partes da Escola de Verão de Graduados IPAM de 2005 na UCLA, com vídeo em streaming e slides cobrindo uma introdução aos EBMs, arquiteturas e funções de perda, redes convolucionais para reconhecimento de imagem invariante, e métricas de dissimilaridade treináveis, segmentação, rotulagem de sequência e redes transformadoras de grafos; e uma palestra sobre funções de perda para EBMs com saídas estruturadas de um workshop NIPS de 2004. As publicações vinculadas incluem o tutorial de 60 páginas "Um Tutorial sobre Aprendizado Baseado em Energia" (Bakir et al., 2006), "Funções de Perda para Treinamento Discriminativo de Modelos Baseados em Energia" (LeCun e Huang, 2005), e "Detecção Sinérgica de Faces e Estimativa de Posição" (Osadchy, Miller e LeCun, NIPS 2004), que aplica a metodologia EBM e uma função de perda contrastiva para detectar faces e estimar sua posição ao mesmo tempo. A página também inclui demonstrações animadas que visualizam como diferentes funções de perda moldam a superfície de energia de um EBM em uma tarefa de exemplo simples.
Este recurso é voltado para estudantes de pós-graduação e pesquisadores que estudam a teoria do aprendizado de máquina, particularmente modelos baseados em energia e de saídas estruturadas, em vez de desenvolvedores em busca de uma ferramenta para download. Todos os slides, vídeos e artigos vinculados estão acessíveis gratuitamente na página.
- CategoriaOutras ferramentas de IA
Recursos principais de CBLL Research Lab
Conjuntos de slides de tutoriais sobre a teoria de modelos baseados em energia, nos formatos DjVu e PDF
Gravações em vídeo em streaming de um tutorial de 4 partes da Escola de Verão de Graduados IPAM
Artigos publicados sobre aprendizado baseado em energia e de saídas estruturadas
Demonstrações animadas mostrando como diferentes funções de perda moldam uma superfície de energia
Uma palestra de workshop NIPS sobre funções de perda para saídas estruturadas
Pesquisa sobre redes convolucionais para reconhecimento de imagem invariante
Um artigo sobre detecção sinérgica de faces e estimativa de posição usando a metodologia EBM
Como usar CBLL Research Lab?
Comece com a visão geral: Leia a descrição dos Modelos Baseados em Energia na página para o conceito central.
Assista ao tutorial IPAM: Siga a série de vídeos em streaming de 4 partes para um walkthrough completo.
Leia o artigo tutorial: Trabalhe através de "Um Tutorial sobre Aprendizado Baseado em Energia" para a teoria em profundidade.
Revise as demonstrações: Estude os exemplos animados mostrando como as funções de perda moldam a superfície de energia.
Verifique as publicações: Leia os artigos vinculados para aplicações específicas, como detecção de faces e estimativa de posição.
Casos de uso de CBLL Research Lab
- Aprendendo a teoria EBM
- Aprendizado de saídas estruturadas
- Referência acadêmica
