V
主页
《几何深度学习 过去、现在和未来》 迈克尔 · 布朗斯坦著
发布人
https://www.youtube.com/watch?v=LeeUzusWz5g UCL Centre for Artificial Intelligence 伦敦大学学院人工智能中心 机器翻译: 2021年2月11日 人工智能中心研讨会系列 迈克尔 · 布朗斯坦在伦敦大学学院人工智能中心举办的研讨会,于2021年2月3日录制。 摘要 近年来,几何深度学习已成为机器学习领域的热门话题之一,其特殊的实例——图形神经网络被广泛应用于从3D 计算机视觉和图形到高能物理和药物设计等领域。尽管有几何深度学习方法的前景和一系列的成功故事,我们迄今为止还没有看到任何类似于在计算机视觉上取得巨大成功的卷积网络。在这次演讲中,我将概述我对可能的原因以及该领域在未来几年可能取得的进展的看法。 传记: Michael Bronstein 是伦敦帝国理工学院(Imperial College London)的教授,在该学院担任机器学习和模式识别的主席,同时也是 Twitter 图形学习研究的负责人。他还领导机器学习研究项目 CETI,一个 TED 大胆奖获奖合作项目,旨在理解抹香鲸的沟通。迈克尔在2007年获得了以色列理工学院的博士学位。他曾在斯坦福大学、麻省理工学院、哈佛大学和特拉维夫大学进行过访问,并且还加入了三所高等研究院(2017-2019年在慕尼黑理工大学作为鲁道夫 · 迪塞尔研究员,2017-2018年在哈佛大学作为拉德克利夫研究员,2020年在普林斯顿大学作为访问者)。迈克尔是五个 ERC 资助,两个谷歌教师研究奖,和两个亚马逊 AWS 机器学习研究奖的获得者。他是欧洲科学院的成员,IEEE,IAPR 和 ELlis 的研究员,ACM 的杰出发言人,世界经济论坛的青年科学家。除了学术生涯,迈克尔还是一位连续创业者,创办了多家初创公司,包括 Novafora、 Invision (2012年被英特尔收购)、 Videocites 和 Fabula AI (2019年被 Twitter 收购)。他曾担任英特尔感知计算首席工程师,是英特尔 RealSense 技术的关键开发人员之一。
打开封面
下载高清视频
观看高清视频
视频下载器
超越深度学习的通用人工智能
复乘的过去、现在、未来(二)本尼迪克特•格罗斯
慕尼黑 AI 讲座 迈克尔 · 布朗斯坦
神经扩散偏微分方程、微分几何和图形神经网络-迈克尔 · 布朗斯坦
加法与乘法几何 | 复数第二集
3-流形的几何形状
微分几何应用 DGA11 - 流形学习入门
幺半群 |群论第一集
辫群的同态- 丹 · 马格利特
黎曼几何中的曲率
柯蒂斯·T·麦克马伦 - 台球,四边形和模空间
微分几何 - 1 - 曲线 x 定义和技术细节
遍历理论与光滑动力系统02-艾米・威尔金森
微分几何应用 DGA10 - 测地线
Jessica Purcell - 第 3 讲 - 无限体积 3-流形中的结
大卫·查尔默斯 大语言模型中的意识[特别版]
微分几何应用 DGA17 - 几何流
不需要比对的局部序列比较-统计学和算法-迈克尔·沃特曼
层、叶状结构和 3-流形的拓扑结构 (I) - 大卫 · 加拜
“互补学习系统理论更新”论文评论 Jeff Hawkins
微分几何应用 DGA08 - 连接
斯坦福研讨会-未来不再是过去的样子 _ 有趣的东西在技术人机交互领先于我们
二维哈密顿流的扩散与混合 - 米歇尔 · 科蒂 · 泽拉蒂
虚拟人类电影- CompBioMed
双曲结和链接-伊恩·阿戈尔-
与人工智能一起生活,生命的未来-2022年诺贝尔周对话
排列、拉丁方、数字系统 |群论第三集
几何数据分析. 平面向量空间. MVA 第2课
Lecture 2_3 by Natàlia Castellana @ YTM 2022
微分几何应用 DGA21 - 哈密尔顿形式导论
先决条件 I 群、表示与等变-莫里斯 · 威勒
混合曲面,代数和几何- 丹 · 马格利特
遍历理论与光滑动力系统01-艾米・威尔金森
Nazim Bouatta-蛋白质结构预测的机器学习,第2部分
李代数的 Dynkin 图,反之亦然 - Lec 16 - 弗雷德里克·舒勒
微分几何应用 DGA19 - 流形学习实例
003 关于瑟斯顿几何定理的讲座-第三部分
Universal双曲几何 9 对偶性和垂直性-
詹姆斯·帕斯卡莱夫-从裤子分解中获得的类别
微分几何应用 DGA16 - 拉普拉斯与海森嵌入