NIPS 2017大会报告《贝叶斯深度学习与深度贝叶斯学习》

更新于 2017年12月9日 机器学习
我来说两句
wx:岑大师   网页版 2017-12-09 00:16
会议活动 深度学习 算法 资源 Geoffrey Hinton ICML NIPS Yee Whye Teh 幻灯片 会议 统计 郑宇怀
「大会 | Yee Whye Teh NIPS 2017大会报告《贝叶斯深度学习与深度贝叶斯学习》(附PDF)」AI 科技评论按:美国时间 12 月 4 日,第 31 届神经信息处理系统大会(Neural Information Processing Systems,NIPS)在美国长滩会议中心开幕。其中,在正会第三天(12月7日)上午,大会邀请牛津大学统计学教授、Deepmind研究科学家Yee Whye Teh(中文名:郑宇怀)发表了题为《Bayesian Deep Learning and Deep Bayesian Learning》(贝叶斯深度学习与深度贝叶斯学习)的报告。AI 科技评论特此整理了报告的视频及PPT供读者进行学习。 关于演讲人 Yee Whye Teh是牛津大学统计学教授、Deepmind研究科学家。他于1997年于加拿大滑铁卢大学获得计算机科学与数学学士学位,之后在多伦多大学师从Geroffery Hinton,并于2003年获得计算机博士学位。他还是Hinton那篇划时代论文《A fast learning algorithm for deep belief nets》的署名作者之一,在此前召开的ICML 2017大会上, Yee Whye Teh担任大会Program Chair。 演讲摘要 概率论和贝叶斯推理是我们理解机器学习的主要理论支柱之一。 在过去的二十年里,它激发了一整套成功的机器学习方法,并影响了许多社区研究人员的思维。 另一方面,在过去的几年里,深度学习的兴起彻底改变了这个领域,并导致了一系列现代化,时代定义的成功。 在这次演讲中,我将探讨机器学习这两个观点之间的界面,通过我参与的一些项目,探讨如下问题:概率思维如何帮助我们理解深度学习方法,或者引导我们开发有趣的新方法? 相反,深度学习技术如何帮助我们开发先进的概率方法? 获取 Yee Whye Teh 报告完整内容以及 PPT 请点击阅读原文。NIPS 2017 「时间检验奖」获奖感人演讲:从「炼金术」到「电力」的机器学习 | NIPS 2017 独家首发 | NIPS 最佳论文视频解读!德州扑克背后的不完全信息博弈 大会 | 德扑 AI 不完全信息博弈论文领衔,NIPS 2017最佳论文 3 + 1 已经揭晓 —————  给爱学习的你的福利  —————上海交通大学博士讲师团队从算法到实战应用,涵盖CV领域主要知识点;手把手项目演示全程提供代码深度剖析CV研究体系轻松实战深度学习应用领域!详细了解请扫码进入咨询群▼▼▼———————————————————— via: http://mp.weixin.qq.com/s?__biz=MzI5NTIxNTg0OA==&mid=2247488679&idx=4&sn=2d361786f2374d353a6e99f44ee08562&scene=0#wechat_redirect

 

回复