0
本文作者: AI科技评论 | 2017-12-08 13:12 |
雷锋网按: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。雷锋网特此整理了报告的视频及PPT供读者进行学习。
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。
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?
付费本文或加入雷锋网会员,获取NIPS 2017演讲PPT。
雷峰网原创文章,未经授权禁止转载。详情见转载须知。