V
主页
慕尼黑 AI 讲座 迈克尔 · 布朗斯坦
发布人
https://www.youtube.com/watch?v=Ug3yG4GY8T4&t=38s 作者:Munich AI Lectures 慕尼黑人工智能讲座 2022年11月3日 机器翻译: 我们每月邀请人工智能领域的顶级研究人员,让我们一窥他们的工作和人工智能的未来。我们的讲座包括一个简短的介绍,然后是一个问答,以便与我们的演讲者进行生动的讨论。 我们非常高兴地欢迎来自牛津大学/Twitter 的迈克尔 · 布朗斯坦教授,他将做一个关于“几何上的物理启发式学习”的讲座。 摘要: 多年来,信息传递范式一直是图形深度学习的“战马”,使图形神经网络在从粒子物理学到蛋白质设计的广泛应用中取得巨大成功。从理论角度来看,它建立了与 Weisfeiler-Lehman 等级制度的联系,从而可以分析 GNN 的表达能力。我们认为,当前图形深度学习方案的非常“节点和边”中心思想可能会阻碍该领域未来的进展。作为替代方案,我们提出了物理学启发的“连续”学习模式,从微分几何、代数拓扑和微分方程领域开辟了一个新的工具宝库,迄今为止在图形 ML 中基本上还没有探索。 简介: 迈克尔•布朗斯坦是牛津大学(University of Oxford) DeepMind 人工智能教授、 Twitter 图形学习研究负责人。他之前是伦敦帝国理工学院的教授,在斯坦福大学、麻省理工学院和哈佛大学做过访问学者,并且还加入了三个高级研究院(2017年至2019年在伦敦帝国理工学院担任鲁道夫 · 迪塞尔研究员) ,在哈佛大学担任拉德克利夫研究员(2017年至2018年) ,在普林斯顿大学担任短期学者(2020年))。迈克尔在2007年获得了以色列理工学院的博士学位。他是英国皇家学会沃尔夫森研究优异奖、英国皇家工程学院银质奖章、五项 ERC 奖金、两项谷歌教师研究奖和两项亚马逊 AWS 机器学习研究奖的获得者。他是欧洲科学院的成员,IEEE、 IAPR、 BCS 和 ELLIS 的研究员,ACM 的杰出发言人,世界经济论坛的年轻科学家。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)。
打开封面
下载高清视频
观看高清视频
视频下载器
第一讲 几何深度学习简史-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
《几何深度学习 过去、现在和未来》 迈克尔 · 布朗斯坦著
先决条件 I 群、表示与等变-莫里斯 · 威勒
第三讲 Sheaf 神经网络-克里斯蒂安 · 博德纳尔
先决条件 II 拓扑学-克里斯蒂安 ·博德纳
第二讲 拓扑信息传递-克里斯蒂安 · 博德纳尔
不需要比对的局部序列比较-统计学和算法-迈克尔·沃特曼
拉格朗日 简史
可分离微分方程的直觉#SoME2
奇异拓扑空间//连通与路径连通与单连通
虚拟人类电影- CompBioMed
群、对称性、凯莱表格和图表 |群论第二集
透视与问题解决 | 线性分式变换第2部分
用人工突触视频模拟神经元
Linear Algebra in C++ - Part 2c - Compute matrix inverse (Testing with Python) 底
度量空间 MetricSpaces 3
第六课 等变网格 CNN-皮姆 · 德 · 汉
群(和伽罗瓦)上同调导论(上)
射影几何代数快速入门
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
发明新的数字系统 | 复数第一集
为什么要关注复分析? 复分析的本质 # 1
我们怎样才能在更高的维度上旋转? 复杂吗? | 李群,代数,括号 # 2
微分几何应用 DGA10 - 测地线
《 Hopf 纤维中的几何与代数》 ,戴维.W.里昂,JMM2023
一个完全连接的神经网络的可视化,版本1
第五讲 等变 CNN II (黎曼流形)-克里斯蒂安 ·博德纳
文小刚 伯克学院系列讲座第四周 英文字幕
Universal双曲几何 9 对偶性和垂直性-
结构生物学中一种新的几何工具——主干自由能估计
层、叶状结构和 3-流形的拓扑结构 (I) - 大卫 · 加拜
微分几何应用 DGA21 - 哈密尔顿形式导论
奇点第三集 超人类主义 警惕的思维场景
量子编程-第1部分
微分几何应用 DGA14 - 黎曼牛顿法
Universal双曲几何 03帕普斯定理和交叉比
拓扑空间-一些常用的不变量-Lec 05-弗雷德里克 · 舒勒
László Babai_ 对称与正则 1
艺术、数学和橘子皮 数学与时尚博士威廉·瑟斯顿 英文字幕