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。
...
夏晓意外重生到六十年代,成为了生产队的一枚小知青。因缘得了个空间,灵泉玉水,养鸡种菜,却不敢用。现下人人面黄饥瘦,她若把自己养成白富美,不得作死。夏晓仰天长叹,这真是另人心酸的惊喜啊s已有完本书...
一个超忆患者的奋斗,这是属于纳米的时代。缘起于一份未来记忆。取巧于零八次贷危机。奠基于纳米材料科技。崛起于资源回收产业。读者企鹅群798599089...
家里有矿的大小姐傅许许在成人礼时意外身亡后绑定了一个快穿系统。系统038十分积极的叭叭叭,我们的口号是世界和平傅躺平咸鱼许许微笑,你在想屁吃不如,我先原地成个仙某日。某高中旁边小巷。男主她...
方诚被砍下脑袋。方诚被刺穿了心脏。方诚被塞了满嘴大蒜。方诚被拉到阳光下暴晒。方诚被愤怒的仇敌碎尸万段。方诚复活了,对仇敌们摊开双手其实我不是吸血鬼众人怒吼我信你个鬼!...
...