Yan LeCun最新报告：图嵌入, 内容理解，自监督学习（附PPT下载）

【导读】Yan Lecun 十月份在Google matrix: fundamentals, applications and beyond 研讨会上做了《图嵌入, 内容理解，自监督学习》的报告。 报告中回顾了各种监督方法在计算式视觉领域取得的重大突破，比如Mask-RCNN, 并强调了未来对非结构化数据比如Graph进行表示学习的重要性。

Yan Lecun还介绍了自己的几项在内容理解上的最新工作，比如利用对抗学习的视频预测。Yan Lecun在报告中指出自监督学习(Self-supervised learning)可以作为强化学习的一种潜在解决方案，因为自监督学习将输入和输出都当成完整系统的一部分，使得它在诸如图像补全，图像迁移，时间序列预测等任务上都非常有效。此外自监督模型的复杂度随着额外反馈信息的加入而增加，可以在很大程度上减少计算过程中人为的干预。

资源获取方式：

• 在输入关键词“GECUSSL”获取资源链接

 Yan Lecun个人主页：

http://yann.lecun.com

报告PPT

— 完 —

为您推荐

剁手一时爽？来个Super资源合集压压惊

【机器学习】损失函数？损失函数！

机器学习论文大众评审网站，让每篇arXiv论文都得到讨论

我就不信看完这篇你还搞不懂信息熵

本篇文章来源于: 深度学习这件小事