今日,斯坦福大学助理教授 Chelsea Finn 发推表示其主讲的 CS330 深度多任务和元学习系列课程视频可以线上观看了。
以目标为条件的强化学习技术,使得学习者能够了解根据给定的目标空间,通过特定的家都使得模型在学习多个任务的时候都会很快;
元学习技术,通过高效的学习算法,使得学习新技术的时候能够更快;
大纲和终身学习,这需要模型学习一系列任务,并通过共享的架构来让之前任务中学习到的知识能快速迁移到下个任务中。
Auto Byte
专注未来出行及智能汽车科技
微信扫一扫获取更多资讯
Science AI
关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展
微信扫一扫获取更多资讯
2019 年秋季,斯坦福大学计算机科学与电子工程系的助理教授 Chelsea Finn 开了一门关于深度多任务和元学习的课程,受到了广大学生的欢迎。今天,该课程的系列教学视频终于上线了!
今日,斯坦福大学助理教授 Chelsea Finn 发推表示其主讲的 CS330 深度多任务和元学习系列课程视频可以线上观看了。
以目标为条件的强化学习技术,使得学习者能够了解根据给定的目标空间,通过特定的家都使得模型在学习多个任务的时候都会很快;
元学习技术,通过高效的学习算法,使得学习新技术的时候能够更快;
大纲和终身学习,这需要模型学习一系列任务,并通过共享的架构来让之前任务中学习到的知识能快速迁移到下个任务中。
深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。
机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。
在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)
元学习是机器学习的一个子领域,是将自动学习算法应用于机器学习实验的元数据上。现在的 AI 系统可以通过大量时间和经验从头学习一项复杂技能。但是,我们如果想使智能体掌握多种技能、适应多种环境,则不应该从头开始在每一个环境中训练每一项技能,而是需要智能体通过对以往经验的再利用来学习如何学习多项新任务,因此我们不应该独立地训练每一个新任务。这种学习如何学习的方法,又叫元学习(meta-learning),是通往可持续学习多项新任务的多面智能体的必经之路。