(Facebook AI杨力坤) Self-supervised learning: The dark matter of intelligence

最新推荐文章于 2024-07-15 12:30:08 发布
最新推荐文章于 2024-07-15 12:30:08 发布
阅读量256 收藏 1
点赞数
分类专栏： 一些转载 文章标签： 人工智能
原文链接：https://ai.facebook.com/blog/self-supervised-learning-the-dark-matter-of-intelligence/
版权
五件不是程序员
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Yann LeCun最新文章：自监督学习的统一框架
BAAIBeijing的博客
03-05 856
作者：Yann LeCun、Ishan Misra编译：梦佳、贾伟Facebook 今天宣布了一项重大突破: Facebook 的 自监督AI 模型 SEER 能够在没有人类帮助的情况下，...
【GNN综述_2021_11】Graph Self-Supervised Learning: A Survey
09-02
然而，传统的图学习方法，尤其是（半）监督学习，严重依赖于大量的人工标签，这限制了其泛化能力和鲁棒性。为了解决这个问题，自监督学习（SSL）在图数据上的应用逐渐成为研究焦点。 自监督学习是一种无须人工标签...
自监督学习：人工智能中的暗物质，来自Facebook AI Yann LeCun
AI公园
05-19 287
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”因公众号更改了推送规则，记得读完点“在看”~下次AI公园的新文章就能及时出现在您的订阅列表中作者：Yann LeCun，Ishan...
图灵奖得主 Yann LeCun 最新文章 ：自监督学习，人工智能世界的“暗物质”
人工智能学家
03-25 364
来源：AI前线作者：Yann LeCun ，Ishan Misra译者：王强策划：刘燕近年来，AI 产业在开发“可以从大量经过细致标记的数据中学习的 AI 系统”这个研究领域上取得了巨大进...
视觉自监督学习
死亡叹息的博客
09-06 691
视觉自监督学习
综述 | 自监督学习（Self-Supervised Learning） 2018-2020年的发展
热门推荐
idol24的博客
06-04 1万+
点击上方“机器学习与生成对抗网络”，关注"星标"获取有趣、好玩的前沿干货！来源｜https://medium.com/@kelispinor/簡介-self-superv...
Scaled-down-self-supervised-learning:自我约束学习的正式pytorch实施
03-25
缩减自我监督学习 正式的pytorch实施的“自我监督学习：小就是美”。 抽象的 近年来，自我监督学习（SSL），尤其是对比学习已经取得了长足的进步。 但是，这些方法的一个共同主题是它们继承了受监督的深度学习场景的...
EEG and Self-supervised Learning
03-22
标题 "EEG and Self-supervised Learning" 涉及到的是使用深度学习技术对脑电图（EEG）数据进行分析的研究领域。EEG是一种记录大脑电活动的技术，广泛应用于神经科学、医学诊断和生物信号处理。自我监督学习是机器...
SS-SFDA-Self-Supervised-Source-Free-Domain-Adaptation-for-Road-Segmentation-in-Hazardous-Environme:论文“ SS SFDA”的代码库
04-12
title={SAfE: Self-Attention Based Unsupervised Road Safety Classification in Hazardous Environments}, author={Kothandaraman, Divya and Chandra, Rohan and Manocha, Dinesh}, journal={arXiv preprint ...
Self-labeled-techniques-for-semi-supervised-learning
05-15
标签中提到的"self-labeled"指的是自标记的过程，"semi-supervised-learning"表示半监督学习的场景，"tri-training"则是三重训练算法，"self-training"则对应自我训练方法。 项目报告可能涵盖了以下内容： 1. **...
黑苹果检测_苹果技术进行情绪检测
weixin_26735419的博客
09-19 2894
黑苹果检测 介绍 (Introduction) Before we get our hands dirty, let’s prepare ourselves for what’s coming next. 在弄脏手之前，让我们为接下来发生的事情做好准备。 第一件事 (First things first) Artificial Intelligence can be defined as an...
OpenSNN推文：近期优质博客推荐汇总
opensnn的博客
07-12 322
国内个人博客站点众多，涵盖了技术、生活、艺术等多个领域。
2024Datawhale AI夏令营---基于术语词典干预的机器翻译挑战赛--学习笔记
最新发布
weixin_61573157的博客
07-15 680
机器翻译（Machine Translation，简称MT）是自然语言处理领域的一个重要分支，其目标是将一种语言的文本自动转换为另一种语言的文本。机器翻译的发展可以追溯到20世纪50年代，经历了从基于规则的方法、统计方法到深度学习方法的演变过程。当前，机器翻译正朝着更加智能化和个性化方向发展。一方面，结合上下文理解、情感分析等技术，提高翻译的准确性和自然度；另一方面，通过用户反馈和个性化学习，提供更加符合用户需求的翻译服务。同时，跨语言信息检索、多模态翻译等新兴领域也正在成为研究热点。
AGI 之 【Hugging Face】 的【问答系统】的 [构建问答系统] / [ 构建基于评论的问答系统 ] 的简单整理
仙魁XAN
07-12 849
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。AGI能做的事情非常广泛：跨领域任务执行：AGI能够处理多领域的任务，不受限于特定应用场景。自主学习与适应：AGI能够从经验中学习，并适应新环境和新情境。
Open-TeleVision——通过VR沉浸式感受人形机器人视野：兼备远程控制和深度感知能力
结构之法 算法之道
07-12 1371
这篇论文的链接，我当时快速看了一遍，还是有价值的一个工作(其应该有受humanplus工作的其他)，一直想做下解读来着，无奈过去一周一直在弄mamba2的解读，所以没来得及弄。码器捕捉图像和本体感觉标记的关系，Transformer解码器输出特定块大小的动作序列。手腕的姿态流式传输到服务器。服务器将人类姿态重新定向到机器人，并将关节位置目标。如下图所示，便是TeleVision的远程操作数据收集和学习设置。7.3日，我司大模型机器人(具身智能)线下营群里的一学员发了《左：我们的远程操作系统。
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 864
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
人力资源人工智能依赖于良好的数据
yongyoudayee的博客
07-12 749
人力资源不断发展(HR)人工智能在技术领域(AI)它已经成为改变游戏规则的力量。人工智能驱动的工具有望简化人力资源流程，提高管理能力，彻底改变员工体验。然而，这些人工智能解决方案的有效性仅取决于算法的复杂性或计算硬件的能力。事实上，这种模式的很大一部分取决于一个基本的——良好的数据。
self-supervised learning
09-21
自我监督学习是一种机器学习方法，通过对数据进行合理的预测任务，从中获得有用的表示。与传统的监督学习不同，自我监督学习不需要人工标注的标签来指导训练，而是利用数据自身的信息进行训练。 自我监督学习的基本思想是从未标记的数据中构造有意义的标签，然后将这些标签用作训练数据，以学习有用的特征表示。通过对输入数据进行某种形式的变换或遮挡，可以生成一对相关的样本。其中一个样本称为正样本，另一个则被视为负样本。例如，在图像领域中，可以通过将图像进行旋转、裁剪或遮挡等变换来生成正负样本对。模型的目标是通过学习从一个样本到另一个样本的映射，从而使得正样本对之间的相似度更高，负样本对之间的相似度更低。 自我监督学习在许多任务中都取得了很好的效果。例如，在自然语言处理任务中，可以通过遮挡句子中的某些单词或短语来生成正负样本对，然后通过学习从一个句子到另一个句子的映射来进行训练。在计算机视觉任务中，可以通过图像的旋转、裁剪、遮挡或色彩变换等方式来生成正负样本对。 自我监督学习的优点是不需要人工标注的标签，可以利用大量的未标记数据来进行训练，从而扩大训练数据的规模。此外，自我监督学习还可以通过学习到的特征表示来提高其他任务的性能，如分类、目标检测和语义分割等。 总之，自我监督学习是一种有效的无监督学习方法，通过构造有意义的预测任务，从未标记的数据中学习有用的特征表示。它在各种任务中都有广泛的应用，并具有很高的潜力。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值