首页
学习
活动
专区
工具
TVP
发布

CreateAMind

专栏作者
943
文章
586154
阅读量
55
订阅数
用数学定义:层次、对称、模型、动作、相似、上下文
http://mitpress.mit.edu/books/category-theory-sciences
用户1908973
2022-03-14
2850
How We Learn第七章 注意力的How What When 及抑制和训练 (长文+案例)
仅仅突触可塑性的存在不足以解释我们物种的非凡成功。事实上,这种可塑性在动物世界中无处不在:即使是家蝇、线虫和海蛞蝓也有可修改的突触。如果智人变成了智人,如果学习成为了我们的生态位,成为了我们全球成功背后的主要原因,那是因为人脑包含了一整袋额外的诀窍。
用户1908973
2021-04-29
5480
强化学习的 bayes 探索
1 openai RND:https://blog.openai.com/reinforcement-learning-with-prediction-based-rewards/
用户1908973
2019-01-03
7560
强文!LEARNING ACTIONABLE REPRESENTATIONS WITH GOAL.. POLICIES
LEARNING ACTIONABLE REPRESENTATIONS WITH GOAL-CONDITIONED POLICIES
用户1908973
2018-12-18
7490
通俗易懂 empowered RL
Inspired by examples from the animal kingdom, social sciences and games the authors proposed empowerment, a rather universal function, defined as the information-theoretic capacity of an agent’s actuation channel.
用户1908973
2018-12-18
4070
互信息 强化学习探索 两篇paper
Hyoungseok Kim, Jaekyeom Kim, Yeonwoo Jeong, Sergey Levine, Hyun Oh Song
用户1908973
2018-12-17
7940
Yoshua Bengio清华演讲ppt 等其他演讲ppt
http://www.iro.umontreal.ca/~bengioy/yoshua_en/talks.html
用户1908973
2018-12-12
7510
NORL(near-optimal representation learning for hierarchical RL)
论文链接: https://arxiv.org/pdf/1810.01257.pdf 如有疑惑或是讨论,请于公众号后留言或者发送邮件至: linpan_usst@163.com
用户1908973
2018-10-18
6400
面试论文:cpc-hrl 很难
https://github.com/tensorflow/models/tree/master/research/efficient-hrl
用户1908973
2018-10-18
5280
CPC(representation learning with contrastive predctive coding)
摘要: 监督学习在很多应用方面有了巨大的进步,但是非监督学习却没有如此广的应用,非监督学习是人工智能方面非常重要也非常具有挑战性的领域。这篇论文提出了 constrative predictive coding,一个非监督的通用的算法用于在高维度数据中提取有用的表示信息。算法的核心是通过强大的自回归(autoregressive)模型来学习未来的(预测的)隐变量表示。论文使用对比损失概率(probabilistic contrastive loss)来引入最大化预测样本的信息的隐变量。大多数其他研究的工作都集中在使用一个特殊的修正(公式)评估表示,论文(CPC)所使用的方法在学习有用信息表示的时候表现非常优异。
用户1908973
2018-10-18
1.7K0
GAIL(Imitating driver behavior with GAN)
精确预测和仿真人们驾驶行为在人工智能系统中尤为重要。传统模型采用简单的参数化模型和行为克隆。论文提出了一个新的方法来解决先验分布中的连续误差问题,可以使得在存在扰动的情况下的行为变得更加具有鲁棒性。
用户1908973
2018-10-18
1.2K0
Tracking Emerges by Colorizing Videos
Carl Vondrick , Abhinav Shrivastava , Alireza Fathi , Sergio Guadarrama ,Kevin Murphy
用户1908973
2018-10-18
5980
awesome-self-supervised-learning papers
https://github.com/jason718/awesome-self-supervised-learning
用户1908973
2018-10-18
1.2K0
disentangled-representation-papers
https://github.com/sootlasten/disentangled-representation-papers
用户1908973
2018-09-27
1.8K0
vae 相关论文 表示学习 2
https://arxiv.org/pdf/1804.02086.pdf Structured Disentangled Representations
用户1908973
2018-09-27
9300
人工智能任务的分类 (智力发展简单梳理)
为了实现AI-Complete(AI-Hard,AI完全)问题,我们需要一些测量方法,最著名的测量方法当属图灵测试。一个可以解决AI完全问题的机器应该在必要辅助的设备帮助下,可以完成人类能够完全的所有任务,亦即它像人类一样的智能(Intelligent),我们便称其为强人工智能(True AI或Strong AI)。这些人类可以完成的任务,我们称之为人工智能任务,简称AI任务,AI任务有不同的难易程度,所谓难易是基于所需要的智力资源的多少,一般呈现到科学技术领域,表现出来的是越容易模拟实现的AI任务越简单,越难于模拟实现的任务越困难,目前还有很多AI任务,除人类以外没有任何对象可以完成。
用户1908973
2018-09-27
3.1K0
计算机进行通用学习的原理、方法和工程模型 完整中文版
https://www.researchgate.net/publication/323915356_jisuanjijinxingtongyongxuexideyuanlifangfahegongchengmoxing
用户1908973
2018-09-27
5340
vae 相关论文 表示学习 1
05 Nov 2016 (modified: 18 Apr 2017)ICLR 2017 conference submissionReaders: EveryoneRevisions
用户1908973
2018-09-27
1.3K0
互信息论文笔记
https://github.com/topics/mutual-information
用户1908973
2018-09-27
1.3K0
PC 预测编码 论文
Representation Learning with Contrastive Predictive Coding https://arxiv.org/pdf/1807.03748.pdf
用户1908973
2018-09-27
1.1K0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档