虽然目前地位还没有那么高,但后来是美国三院院士,在斯坦福AI圈内算得上第一流导师。
其次,她跟《自然》《美国国家科学院院刊》等顶级杂志,以及视觉三大顶级会议等组织的关系很不错,她的IMAGENET赛事经常在顶会上举办。
与她合作,自己的成果发布起来会轻松不少。凭借自己的成果质量,基本上几个会议的奖项可以说是预订了。
最后,她在谷歌的影响力,会一定程度上使得自己的成果更容易推动,乃至具体分成和其他的谷歌内部事情都会更加顺利一些。
在会场直接谋求入学斯坦福是孟繁岐之前就想好了的事情,因此他早就备好了纸质的简历和研究计划书等内容,甚至还包括辛顿帮忙写的推荐信。
可以说是非常有备无患了,辛顿也只得扼腕叹息,为何自己所在的学校偏偏远在加拿大,果然还是近水楼台先得月。
此时,台上的韩辞手忙脚乱了一番之后,开始了自己的展示部分。
“到目前为止,AI相关的学科发展,已经彻底改变了人们过去对AI的认识。孟的残差思想在许多图像任务上取得了令人叹为观止的成就。
比如比人类更精确地识别图片,又或者直接凭空生成完全不存在的图像。而这些了不起的成就,主要是通过求解的方式来完成。
();() 例如,对于任一图像问题,我们感兴趣的是从图片到具体意义的映射函数,比如图像到它的内容的类别。
目前惯常的训练做法是,基于一个有限的数据,给出目标函数的一个高效逼近。又或者是利用没有标签的有限样本,逼近采用背后的未知概率。”
“神经网络的基本组成部分即为:线性变换与一维非线性变换。深度神经网络,一般就是上述结构的反复复合。
对于已经构建的网络,设计一个最优化问题,根据经验误差去拟合数据,有时加上一些正则化项,并求解该优化问题。”
韩辞的幻灯片上开始展示密密麻麻的一些公式,“由此,我们便可以把误差分解成三部分,逼近误差完全由假设空间的选取所决定,估计误差由数据集的大小和质量而带来的额外误差,以及优化误差,这是由优化,或者说训练带来的额外误差。”
虽然之前已经大概了解了韩辞在这方面的想法,但在如此正式的场合,看到她有些紧张却仍旧十分自信的展示这些专业高深的内容。
孟繁岐还是相当敬佩的。
这里面的不少结论都是后来世人熟知的,不过大都是通过大量的实验观察,总结归纳出的一些经验性结论。
虽然今生,孟繁岐将会在诸多AI应用领域开天辟地,可内在的数理证明,终将是他两辈子都无法越过的鸿沟。
对那些可以做到这些事情的人,人们难免会另眼相待。
而此时此刻,会场当中,看好韩辞的并不只是懵懵懂懂觉得厉害的孟繁岐。
以辛顿为首的学院派,比如牛津团队的几位老教授,眼中满是赞许的目光。
这个待遇是连孟繁岐刚刚也没有的。
“可能这就是老学究们对于理论的偏爱吧。”孟繁岐笑着摇了摇头,自己这个做AI应用技术的,可能永远没有办法获得这几个怪老头的如此偏爱。
请勿开启浏览器阅读模式,否则将导致章节内容缺失及无法阅读下一章。
无限超神:抬头看见云霄天庭 大唐第一逆子 主宰:虫族崛起 明日方舟之铁与血 神秘复苏之我没有外挂 异常魔兽见闻录 自遮天世界开始 火枪洗明路 陨落星辰: 海贼:阿卡姆肄业的小丑巴基 什么叫世界名帅啊 我以道种铸长生 全职法师之魔法天赋 纵目 华娱之开局给周董上上对抗 天骄退婚,我提取词条修行 当场怒喷哥哥,这解说不想干了? 你是我的满世欢喜 前任都是天后,我火了 大明:我杨宪,真的治扬!
穿越到了地狱的贝尔希,意识到自己成为了一条深渊龙。携带着暴食之加护的他,只能够依靠不断的吃吃吃来变强了。桂花蜜味道的深渊魔虫花生酥味道的蛋壳,还有一只跟着他蹭吃蹭喝的史莱姆故事也将从这里开始。—已有多本完本经验,成绩一般但依旧坚持将故事讲完,人品大概还算可靠。书友群(与残月狂徒大人一起玩)926993534各位书友要是觉得暴食之龙从地狱位面开始还不错的话请不要忘记向您QQ群和微博里的朋友推荐哦!...
本书更新时间为晚上十二点,日更六千。下本开我的私房菜馆通八零,求预收。姜晓菱有一个秘密,除了她没有人知道。那就是在她十七岁生日的时候,脑子里忽然出现了一个叫做闲鱼的系统。那系统可有意思...
失业的物业小职员天赐,偶遇神秘兮兮的老头子雇他去当一座公寓的物业经理,据说那里美女成群,待遇丰厚,干得好还能抽取福利,他乐颠颠的签了合同,可到了公寓彻底傻眼了...
月烑上一世什么都靠自己,吃苦耐劳殚精竭虑,终于一步登仙。可惜大限已到,陨落了重生之后,她立刻总结了失败的经验教训。认识到关键问题在于太勤快了所以这一世,她励志好吃懒做。...
...