──三、 深度学习与生成式模型 (Deep Learning and Generative Models)│ ├── 深度学习是表示学习 (representation learning)│ ├── 生成式模型中的深度学习│ │ ├── 表示数据实例和概率分布│ │ └── 分布之间的映射│ └── 深度生成模型的要素│ ├── 问题形式化│ ├── 表示 (Represen...
这些是深度生成模型的一些基本要素 (Fundamental Elements of a Deep Generative Model)。首先,你可能需要将现实世界的问题形式化为概率模型或生成式模型。这是我们设计算法最关键的部分之一。 在你完成之后,你需要一些表示 (Representations),今天,通常这是一个神经网络。你想要...
这些是深度生成模型的一些基本要素 (Fundamental Elements of a Deep Generative Model)。首先,你可能需要将现实世界的问题形式化为概率模型或生成式模型。这是我们设计算法最关键的部分之一。 在你完成之后,你需要一些表示 (Representations),今天,通常这是一个神经网络。你想要表示数据及其分布。然后,你需要引入一些目标...
近日,来自MIT朱俊彦团队的一篇论文《Rewriting a Deep Generative Model》就很巧妙地解决了这个问题,目前该论文已被接收为ECCV 2020 Oral,且代码已开源。 在这篇《重写深度生成模型》论文中,作者不是单独地对一张张图片进行编辑,而是很大胆地提出直接对深度网络的内部生成模型动刀编辑: 在这个规则编辑器中,深度生成模...
深度生成模型 (Deep Generative Models) 深度强化学习(DRL) 局限和前沿 (Limitations and Frontiers) 下面我给大家总结下每节课中最精华的部分,如要了解更多细节,下载本文给的课件材料并访问外国网站去看 Youtube 的视屏。 1 深度学习简介 为什么要学深度学习?可以自动学到特征 (而不想传统机器学习要手工生成特征)...
近日,我们发现了何恺明的第二门课程《深度生成模型》(6.S978: Deep Generative Models),已经于 9 月初开始了授课。 在何恺明担任讲师之外,MIT CSAIL 计算设计与制造团队(Computational Design & Fabrication Group)的四年级博士生 Minghao Guo 担任助教。
深度生成模型 (Deep Generative Models) 深度强化学习 (DRL) 局限和前沿 (Limitations and Frontiers) 下面我给大家总结下每节课中最精华的部分,如要了解更多细节,请看视频[1]。 1 深度学习简介 为什么要学深度学习?可以自动学到特征 (而不想传统机器学习要手工生成特征)!以人...
“我们应该是第一批将GenAI放到化学流程里面的创业团队。”段辰儒说,“当时大家已经把Generative AI,尤其是 Diffusion Model 相关的东西运用在了一些纯的小分子生成和生物里面,但这里面其实都只涉及到生成一个分子。” “「深度原理」也寓意着结合深度学习(Deep Learning)和第一性原理思考(First Principle),用人工智能...
3. Prompt Conditioned VAE: Enhancing Generative Replay for Lifelong Learning in Task-Oriented Dialogue. (from Jian Sun)4. Deep Bidirectional Language-Knowledge Graph Pretraining. (from Jure Leskovec)5. Transcending Scaling Laws with 0.1% Extra Compute. (from Quoc V. Le)6. Extracting Cultural ...
Deep Learning Revolutionizes Chemical Pattern Prediction Prospective De Novo Drug Design with Deep Interactome Learning AI as a Viable Alternative to High Throughput Screening in Drug Discovery Designing Organic Electronic Materials Using Generative Models and Machine Learning ...