Compréhension conceptuelle des ateliers de deep learning

0h00 Accueil de Rina Panigrahy 11h40 L’objectif du séminaire 16h23 Intervention de Leslie Valiant sur “Comment améliorer l’apprentissage supervisé par le raisonnement” 39:40:00 Intervention de Christos Papadimitriou sur “Le langage et la représentation des mots dans le cerveau” 1 : 02:15 Discussion sur « Qu’est-ce que notre modèle a vraiment appris ? » Auteur : Aleksander Madry 1:27:08 Discussion sur « La représentation symbolique implicite et le raisonnement dans les réseaux profonds », Jacob Andreas 1:48:16 Table ronde, sur « Y a-t-il un modèle mathématique pour penser?” 2:47:09 Discours de Sergey Levine sur “Deep Reinforcement Learning and Distributed Transfer” 3:10:53 Discours d’Alekh Agarwal sur “Towards a Representation Learning framework for Reinforcement Learning” 3:32:37 On ” Principles for Tackling Distribution” speech transformation: pessimism, adaptation and anticipation”, Chelsea Finn 4:20:27 sur “Les enregistrements du cerveau humain peuvent-ils nous aider à concevoir de meilleurs modèles d’intelligence artificielle ?” Auteur : Leila Wehbe 4:38:52 Discuter « Les avantages d’un cadre unifié pour la compréhension du langage » Colin Raffel 4:54:26 Discuter « Les transformateurs sont-ils des approximateurs universels des fonctions séquence à séquence ? » Auteur: Srinadh Bhojanapalli 5:07:05 parle de “la vue de l’espace de fonction du réseau convolutif linéaire multicanal avec norme de poids limitée”, l’auteur Suriya Gunasekhar 5:32:48 parle de “la théorie de l’apprentissage du contraste des réseaux neuronaux et Training Analysis” Auteur: Tengyu Ma 5:55:17 Conférence “Escaping Global Minima Using Stochastical Gradients” par Jason Lee 6:09:56 Lecture “Garanties for Tuning the Step Size using a Learning-to-Learn Approach” Rong Ge Objectif : Comment le cerveau/esprit (peut-être même artificiel) fonctionne-t-il au niveau de l’algorithme ? Bien que l’apprentissage en profondeur ait fait d’énormes progrès technologiques au cours des dernières décennies, les gens se demandent pourquoi il fonctionne et dans quelle mesure il fonctionnera sous sa forme actuelle. L’objectif du séminaire est de réunir théoriciens et praticiens pour comprendre les bons points de vue algorithmiques de l’apprentissage en profondeur, caractériser les catégories fonctionnelles qui peuvent être apprises et proposer cet apprentissage (prouvable) Apprentissage correct cadres et concepts aux fonctions multiples et s’en souviennent au fil du temps comme les humains, et compréhension théorique du langage, de la logique, de la RL, du méta-apprentissage et de l’apprentissage tout au long de la vie. “Cette question de base est discutée en petits groupes. Nous explorerons des choses comme “Y a-t-il un algorithme prouvable pour capturer les capacités de base du cerveau?” », « Comment se souvient-on de phénomènes complexes ? “, “Comment le graphique de connaissances est-il créé automatiquement ? « Comment apprenons-nous » et d’autres questions de base. Au fil du temps, de nouveaux concepts, fonctions et hiérarchies d’actions ?” et « Pourquoi les décisions humaines semblent-elles si faciles à expliquer ? » Le site Web peut être trouvé ici : Twitter : # ConceptualDLWorkshop, @ Les conférenciers rinapy incluent : Alekh Agarwal-Microsoft Research Aleksander Madry-MIT Chelsea Finn-Stanford University, Google Christos Papadimitriou-Columbia University Colin Raffel-University of North Carolina et Google Jacob Andreas-MIT Jason Lee -Princeton University Leila Wehbe-Carnegie Mellon University Leslie Valiant-Harvard University School of Engineering and Applied Sciences Rong Ge-Duke University Sergey Levine-University of California Berkeley et Google Srinadh Bhojanapalli-Google Suriya Gunasekhar-Microsoft Research Tengyu Ma- Stanford University Membres de l’équipe : Bin Yu-University of California, Berkeley Geoffrey Hinton-University of Toronto et Google Jack Gallant-University of California, Berkeley Lenore Blum-CMU/University of California, Berkeley Percy Liang-Stanford University Président du séminaire : Rina Panigrahy, Google remerciements : Pranjal Awasthi, Manzier Zahir, Christine Conrad, Hanih Hadadian