描述
CBLL 研究实验室的基于能量模型页面是纽约大学计算与生物学习实验室（CBLL）的研究资源，涵盖自2003年9月以来活跃的研究领域，参与者包括Yann LeCun、Sumit Chopra、Raia Hadsell和Fu-Jie Huang。它并不是一个有课程大纲的结构化课程，而是组织了教程幻灯片、视频讲座和出版物，教授基于能量模型（EBMs）的理论和实践。
阅读更多
EBM为一组变量的每种配置关联一个能量值，而不是像标准概率图模型那样的归一化概率。进行预测（推断）意味着找到能量最低的配置，而训练EBM则意味着塑造能量表面，使得期望的配置处于低能量状态，而不希望的配置则处于较高能量状态，这一过程由为此目的设计的损失函数引导。
该页面的教程包括在2006年多伦多大学CIAR夏季学校上进行的"基于能量学习的教程"，提供DjVu和PDF格式的幻灯片；来自2005年UCLA IPAM研究生夏季学校的4部分教程，包含流媒体视频和幻灯片，涵盖EBMs的介绍、架构和损失函数、用于不变图像识别的卷积网络，以及可训练的相异性度量、分割、序列标注和图变换网络；以及在NIPS 2004研讨会上关于具有结构输出的EBMs损失函数的讲座。链接的出版物包括60页的教程"基于能量学习的教程"（Bakir等，2006）、"用于基于能量模型的判别训练的损失函数"（LeCun和Huang，2005）以及"协同人脸检测与姿态估计"（Osadchy、Miller和LeCun，NIPS 2004），该论文应用EBM方法论和对比损失函数同时检测人脸并估计其姿态。该页面还包括动画演示，直观展示不同损失函数如何在简单示例任务中塑造EBM的能量表面。
该资源旨在帮助研究机器学习理论的研究生和研究人员，特别是基于能量和结构输出模型，而不是为寻找可下载工具的开发者提供的。所有幻灯片、视频和链接的论文在页面上均可自由访问。
- 类别其他 AI 工具
CBLL 研究实验室的核心功能
关于基于能量模型理论的教程幻灯片，提供DjVu和PDF格式
4部分IPAM研究生夏季学校教程的流媒体视频录制
关于基于能量和结构输出学习的已发表论文
动画演示展示不同损失函数如何塑造能量表面
关于结构输出损失函数的NIPS研讨会讲座
关于不变图像识别的卷积网络研究
使用EBM方法论的协同人脸检测与姿态估计论文
如何使用 CBLL 研究实验室？
从概述开始：阅读页面上的基于能量模型描述以了解核心概念。
观看IPAM教程：跟随4部分流媒体视频系列进行全面学习。
阅读教程论文：深入学习"基于能量学习的教程"中的理论。
查看演示：研究动画示例，展示损失函数如何塑造能量表面。
查看出版物：阅读链接的论文，了解人脸检测和姿态估计等具体应用。
CBLL 研究实验室的使用案例
- 学习EBM理论
- 结构输出学习
- 学术参考
