会员服务
泛化理论 · 样例 · 数据集 · 计算学习理论 · 人工智能 ·
2021 年 9 月 25 日
Datasets for Studying Generalization from Easy to Hard Examples
翻译：从简单到硬实例研究通用化的数据集
Avi Schwarzschild,Eitan Borgnia,Arjun Gupta,Arpit Bansal,Zeyad Emam,Furong Huang,Micah Goldblum,Tom Goldstein
Avi Schwarzschild,Eitan Borgnia,Arjun Gupta,Arpit Bansal,Zeyad Emam,Furong Huang,Micah Goldblum,Tom Goldstein

We describe new datasets for studying generalization from easy to hard examples.


翻译：我们描述新的数据集,用于从简单到硬的例子来研究概括化。
0
下载
关闭预览

相关内容

深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
135+阅读 · 2021年6月16日
最新《自监督表示学习》报告，70页ppt
最新《自监督表示学习》报告，70页ppt
专知会员服务
86+阅读 · 2020年12月22日
【UIUC】最新《自监督学习》教程，51页ppt，Self-supervised learning
【UIUC】最新《自监督学习》教程，51页ppt，Self-supervised learning
专知会员服务
84+阅读 · 2020年11月25日
【Google】深度学习对抗鲁棒性，43页ppt
专知会员服务
46+阅读 · 2020年10月31日
【ICML2020】对比多视角表示学习
【ICML2020】对比多视角表示学习
专知会员服务
53+阅读 · 2020年6月28日
【CVPR 2020 Oral】小样本类增量学习
专知会员服务
112+阅读 · 2020年6月26日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
254+阅读 · 2020年4月19日
【Google无监督大规模视觉表示迁移】Large Scale Learning of General Visual Representations for Transfer
【Google无监督大规模视觉表示迁移】Large Scale Learning of General Visual Representations for Transfer
专知会员服务
12+阅读 · 2020年1月7日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
182+阅读 · 2019年10月11日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】SVM实例教程
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Adaptation and Generalization for Unknown Sensitive Factors of Variations
Arxiv
0+阅读 · 2021年11月17日
A Realistic Evaluation of Semi-Supervised Learning for Fine-Grained Classification
Arxiv
6+阅读 · 2021年4月1日
Adaptive Methods for Real-World Domain Generalization
Arxiv
6+阅读 · 2021年3月30日
Meta Learning for Causal Direction
Meta Learning for Causal Direction
Arxiv
5+阅读 · 2020年7月6日
Compositional Generalization in Image Captioning
Compositional Generalization in Image Captioning
Arxiv
3+阅读 · 2019年9月16日
Learning When Not to Answer: A Ternary Reward Structure for Reinforcement Learning based Question Answering
Arxiv
6+阅读 · 2019年4月3日
Learning to Weight for Text Classification
Learning to Weight for Text Classification
Arxiv
8+阅读 · 2019年3月28日
Meta-Transfer Learning for Few-Shot Learning
Meta-Transfer Learning for Few-Shot Learning
Arxiv
8+阅读 · 2018年12月6日
Simple and Effective Semi-Supervised Question Answering
Arxiv
5+阅读 · 2018年4月2日
TrackingNet: A Large-Scale Dataset and Benchmark for Object Tracking in the Wild
Arxiv
7+阅读 · 2018年3月28日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
泛化理论
样例
数据集
计算学习理论
人工智能
最新内容
重塑决策优势：美军作战艺术与多域作战中联盟联合全域指挥控制（CJADC2）体系的融合
重塑决策优势：美军作战艺术与多域作战中联盟联合全域指挥控制（CJADC2）体系的融合
专知会员服务
0+阅读 · 今天6:30
网状网络及其在军事领域的运用
网状网络及其在军事领域的运用
专知会员服务
1+阅读 · 今天6:18
《意识即战场——全球安全体系中认知战的演进：乌克兰构建认知作战体系的展望》
《意识即战场——全球安全体系中认知战的演进：乌克兰构建认知作战体系的展望》
专知会员服务
2+阅读 · 今天6:08
无美国参与的欧洲战争方式（万字长文）
无美国参与的欧洲战争方式（万字长文）
专知会员服务
2+阅读 · 今天5:54
重构“下一场战争”的制胜理论：超越兰彻斯特方程与现代系统
重构“下一场战争”的制胜理论：超越兰彻斯特方程与现代系统
专知会员服务
0+阅读 · 今天5:22
《国防工业中基于模型定义的实施：产品定义数字化转型的战略路径》90页
《国防工业中基于模型定义的实施：产品定义数字化转型的战略路径》90页
专知会员服务
3+阅读 · 今天5:15
《国防领域敏感性分析白皮书》
《国防领域敏感性分析白皮书》
专知会员服务
2+阅读 · 今天3:42
综述 | 从问答到任务完成：Agent系统与Harness设计
综述 | 从问答到任务完成：Agent系统与Harness设计
专知会员服务
4+阅读 · 6月24日
Agentic RL：框架、实践与长程智能体训练
Agentic RL：框架、实践与长程智能体训练
专知会员服务
3+阅读 · 6月24日
反无人机拦截器训练与运用课程：对美国陆军部队发展的启示
反无人机拦截器训练与运用课程：对美国陆军部队发展的启示
专知会员服务
8+阅读 · 6月24日
重新思考无人机时代的生存能力
重新思考无人机时代的生存能力
专知会员服务
7+阅读 · 6月24日
装甲突击旅：现代战争思考、战斗与组织
装甲突击旅：现代战争思考、战斗与组织
专知会员服务
5+阅读 · 6月24日
在人工智能加速决策环境中拓展OODA循环
在人工智能加速决策环境中拓展OODA循环
专知会员服务
7+阅读 · 6月24日
《廉价自杀式无人机战争的军事战略影响：乌克兰与伊朗案例研究》
《廉价自杀式无人机战争的军事战略影响：乌克兰与伊朗案例研究》
专知会员服务
6+阅读 · 6月24日
军事欺骗：供作战战术指挥官使用的工具
军事欺骗：供作战战术指挥官使用的工具
专知会员服务
5+阅读 · 6月24日
相关VIP内容
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
135+阅读 · 2021年6月16日
最新《自监督表示学习》报告，70页ppt
最新《自监督表示学习》报告，70页ppt
专知会员服务
86+阅读 · 2020年12月22日
【UIUC】最新《自监督学习》教程，51页ppt，Self-supervised learning
【UIUC】最新《自监督学习》教程，51页ppt，Self-supervised learning
专知会员服务
84+阅读 · 2020年11月25日
【Google】深度学习对抗鲁棒性，43页ppt
专知会员服务
46+阅读 · 2020年10月31日
【ICML2020】对比多视角表示学习
【ICML2020】对比多视角表示学习
专知会员服务
53+阅读 · 2020年6月28日
【CVPR 2020 Oral】小样本类增量学习
专知会员服务
112+阅读 · 2020年6月26日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
254+阅读 · 2020年4月19日
【Google无监督大规模视觉表示迁移】Large Scale Learning of General Visual Representations for Transfer
【Google无监督大规模视觉表示迁移】Large Scale Learning of General Visual Representations for Transfer
专知会员服务
12+阅读 · 2020年1月7日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
182+阅读 · 2019年10月11日
热门VIP内容
相关资讯
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】SVM实例教程
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关论文
Adaptation and Generalization for Unknown Sensitive Factors of Variations
Arxiv
0+阅读 · 2021年11月17日
A Realistic Evaluation of Semi-Supervised Learning for Fine-Grained Classification
Arxiv
6+阅读 · 2021年4月1日
Adaptive Methods for Real-World Domain Generalization
Arxiv
6+阅读 · 2021年3月30日
Meta Learning for Causal Direction
Meta Learning for Causal Direction
Arxiv
5+阅读 · 2020年7月6日
Compositional Generalization in Image Captioning
Compositional Generalization in Image Captioning
Arxiv
3+阅读 · 2019年9月16日
Learning When Not to Answer: A Ternary Reward Structure for Reinforcement Learning based Question Answering
Arxiv
6+阅读 · 2019年4月3日
Learning to Weight for Text Classification
Learning to Weight for Text Classification
Arxiv
8+阅读 · 2019年3月28日
Meta-Transfer Learning for Few-Shot Learning
Meta-Transfer Learning for Few-Shot Learning
Arxiv
8+阅读 · 2018年12月6日
Simple and Effective Semi-Supervised Question Answering
Arxiv
5+阅读 · 2018年4月2日
TrackingNet: A Large-Scale Dataset and Benchmark for Object Tracking in the Wild
Arxiv
7+阅读 · 2018年3月28日
Top
微信扫码咨询专知VIP会员
Top