Conférence Bay Area Vision : apprentissage non supervisé des fonctionnalités et apprentissage en profondeur

Bay Area Vision Conference (voir ci-dessous pour plus d’informations) Apprentissage de fonctionnalités non supervisé et apprentissage en profondeur Publié par Andrew Ng le 7 mars 2011 Résumé Malgré les nombreux succès de l’apprentissage automatique, l’application de l’apprentissage automatique à de nouveaux problèmes signifie généralement beaucoup d’argent. indique ce problème particulier. Il en va de même pour les applications en vision, audio, texte/NLP et autres. Pour résoudre ce problème, les chercheurs ont récemment développé des algorithmes “d’apprentissage non supervisé” et “d’apprentissage en profondeur”, qui peuvent automatiquement apprendre des représentations de caractéristiques à partir de données non étiquetées, contournant ainsi la plupart des travaux d’ingénierie fastidieux. Basés sur des idées telles que le codage clairsemé et les réseaux de croyances profondes, ces algorithmes peuvent utiliser de grandes quantités de données non étiquetées (bon marché et faciles à obtenir) pour apprendre de bonnes représentations de caractéristiques. Ces méthodes surpassent également les technologies de pointe précédentes sur de nombreux aspects visuels, audio et textuels. Dans cette conférence, j’ai décrit quelques idées clés derrière l’apprentissage de fonctionnalités non supervisé et l’apprentissage en profondeur, décrit certains algorithmes et présenté des études de cas pertinentes. La Bay Area Vision Conference (BAVM) est un rassemblement informel de chercheurs universitaires et industriels intéressés par la vision par ordinateur et les domaines connexes (pas de procès-verbal de réunion imprimé). L’objectif est de créer une communauté parmi les chercheurs visuels de la région de la baie de San Francisco, mais aussi d’encourager les touristes et les voyageurs de loin à participer et à exposer. Accueillez les nouvelles recherches, les aperçus des travaux qui seront présentés lors de la prochaine réunion de vision, les commentaires sur les travaux non divulgués et les descriptions des « travaux en cours ». .