机器学习与模式识别
文章平均质量分 94
视言
这个作者很懒,什么都没留下…
展开
-
通往自动机器智能的隐变量能量模型(work in progress)
在AI达到类人水平并带来新的技术革新之前,当前的自动化系统仍然有重大的局限性。最理想的情况下,会出现L5自动驾驶、家用机器人、虚拟助理,这些机器人会学习可靠的世界模型,然后进行推理,对复杂的行动序列做出计划。本文引入了基于能力的潜变量模型分层联合嵌入预测架构(H-JEPA)。原创 2023-07-03 09:42:00 · 244 阅读 · 0 评论 -
论智能出现的简约性和自恰性原理(下)
智能闭环中的视觉图形与决策,智能的学科关联与演进原创 2022-08-18 08:43:04 · 1259 阅读 · 0 评论 -
论智能出现的简约性和自恰性原理(上)
一个理解深度网络的新框架:压缩闭环转录。这个框架包含两个原理:简约性(parsimony)与自洽性/自一致性(self-consistency),分别对应 AI 模型学习过程中的“学习什么”与“如何学习”,被认为是构成人工/自然智能的两大基础。......原创 2022-08-14 08:08:37 · 878 阅读 · 0 评论 -
深度神经网络的不确定性(下)
目录不确定性的测量和定性估计分类任务中的不确定性测量分类任务中的数据不确定性测量分类任务中的模型不确定性测量分类任务中的分布不确定性完备数据集性能测量估计回归任务中的不确定性测量回归任务中的数据不确定性测量回归任务中的模型不确定性估计回分割任务中的不确定性校准校准方法正则化方法后处理方法不确定性估计校准方法估计校准质量数据集与baseline不确定性估计的应用总结不确定性的测量和定性顾名思义,我们有了各种建模和估计不确定性的方法,就需要不同的测量来评估他们的好坏。通常情况下这些方法的正确性和可靠性是不能原创 2022-02-19 09:23:56 · 3544 阅读 · 0 评论 -
深度神经网络的不确定性(中)
目录不确定度估计方法A.Single Deterministic MethodsB.Bayesian Neural NetworksC. Ensemble MethodsD. Test Time AugmentationE. Neural Network Uncertainty Quantification Approaches for Real Life Applications不确定度估计方法A.Single Deterministic MethodsB.Bayesian Neural Netwo原创 2021-10-22 20:28:28 · 5527 阅读 · 4 评论 -
深度神经网络的不确定性(上)
深度神经网络的不确定度摘要深度神经网络的不确定度A.数据获取B.深度神经网络设计与训练欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入摘要基本神经网络没有实现确定性估计,或者会遭遇过置信或欠原创 2021-10-01 10:12:42 · 5136 阅读 · 1 评论 -
随机采样方法
背景随机模拟也可以叫做蒙特卡罗模拟(Monte Carlo Simulation)。这个方法的发展始于20世纪40年代,和原子弹制造的曼哈顿计划密切相关,当时的几个大牛,包括乌拉姆、冯.诺依曼、费米、费曼、Nicholas Metropolis, 在美国洛斯阿拉莫斯国家实验室研究裂变物质的中子连锁反应的时候,开始使用统计模拟的方法,并在最早的计算机上进行编程实现。随机模拟中有一个重要...转载 2018-08-16 16:22:44 · 2269 阅读 · 0 评论 -
深度强化学习路在何方
一、深度强化学习的泡沫2015年,DeepMind的Volodymyr Mnih等研究员在《自然》杂志上发表论文Human-level control through deep reinforcement learning[1],该论文提出了一个结合深度学习(DL)技术和强化学习(RL)思想的模型Deep Q-Network(DQN),在Atari游戏平台上展示出超越人类水平的表现。自此以后,...转载 2018-07-19 10:55:40 · 7723 阅读 · 1 评论 -
灵长类动物脑中的人脸识别编码
总结灵长类动物识别例如人脸的复杂目标有着难以置信的速度和准确度。这里,我们揭示了人脸识别的大脑编码。猕猴的实验描述了一个人脸和人脸块胞元响应之间的转换。通过将人脸在高维空间形成点,我们发现每一个人脸胞元的发射率正比于即将到来的人脸刺激在这个空间单个坐标轴上的投影,这就允许人脸胞元的集合编码空间中任意脸的位置。用这个编码,我们能精确地从神经入口响应中编码人脸以及预测神经对人脸的发射率。此外,这个编码否翻译 2018-01-11 11:18:21 · 1265 阅读 · 0 评论 -
LASSO问题
Sparsity 是当今机器学习领域中的一个重要话题。John Lafferty 和 Larry Wasserman 在 2006 年的一篇评论中提到:Some current challenges … are high dimensional data, sparsity, semi-supervised learning, the relation between computat转载 2015-08-31 17:06:46 · 8722 阅读 · 0 评论