論文の概要: Post-Workshop Report on Science meets Engineering in Deep Learning,
NeurIPS 2019, Vancouver
- arxiv url: http://arxiv.org/abs/2007.13483v2
- Date: Wed, 29 Jul 2020 13:22:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 02:54:41.635892
- Title: Post-Workshop Report on Science meets Engineering in Deep Learning,
NeurIPS 2019, Vancouver
- Title（参考訳）: ディープラーニングのエンジニアリング、NeurIPS 2019、VancouverでのScienceのポストワークホップレポート
- Authors: Levent Sagun, Caglar Gulcehre, Adriana Romero, Negar Rostamzadeh,
Stefano Sarao Mannelli
- Abstract要約: Science meets Engineering in Deep Learningは、NeurIPS 2019のワークショップの一部として、バンクーバーで開催された。
本報告は,イベントを通じて提示された話題やテーマを分離する試みである。
- 参考スコア（独自算出の注目度）: 22.79131508712044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Science meets Engineering in Deep Learning took place in Vancouver as part of
the Workshop section of NeurIPS 2019. As organizers of the workshop, we created
the following report in an attempt to isolate emerging topics and recurring
themes that have been presented throughout the event. Deep learning can still
be a complex mix of art and engineering despite its tremendous success in
recent years. The workshop aimed at gathering people across the board to
address seemingly contrasting challenges in the problems they are working on.
As part of the call for the workshop, particular attention has been given to
the interdependence of architecture, data, and optimization that gives rise to
an enormous landscape of design and performance intricacies that are not
well-understood. This year, our goal was to emphasize the following directions
in our community: (i) identify obstacles in the way to better models and
algorithms; (ii) identify the general trends from which we would like to build
scientific and potentially theoretical understanding; and (iii) the rigorous
design of scientific experiments and experimental protocols whose purpose is to
resolve and pinpoint the origin of mysteries while ensuring reproducibility and
robustness of conclusions. In the event, these topics emerged and were broadly
discussed, matching our expectations and paving the way for new studies in
these directions. While we acknowledge that the text is naturally biased as it
comes through our lens, here we present an attempt to do a fair job of
highlighting the outcome of the workshop.
- Abstract（参考訳）: Science meets Engineering in Deep Learningは、NeurIPS 2019のワークショップの一部としてバンクーバーで開催された。
ワークショップのオーガナイザとして,新たなトピックを分離し,イベントを通じて提示されたテーマを繰り返すために,次のレポートを作成しました。
ディープラーニングは、最近の大きな成功にもかかわらず、アートとエンジニアリングの複雑な混合であり続けることができる。
ワークショップは、作業中の問題の対照的な課題に対処するために、ボード全体から人々を集めることを目的としていた。
ワークショップの呼びかけの一環として、アーキテクチャ、データ、最適化の相互依存に特に注意が向けられ、十分に理解されていない設計とパフォーマンスの複雑さの巨大な風景が生まれました。
今年の目標は、コミュニティの次の方向性を強調することでした。
i) モデルやアルゴリズムを改善する方法における障害を特定すること。
(二)科学的、潜在的に理論的に理解したいという一般的な傾向を特定し、
三 再現性と結論の堅牢性を確保しつつ、謎の根源を解明し特定することを目的とする科学的実験及び実験プロトコルの厳密な設計
イベントにおいて、これらのトピックが出現し、広く議論され、私たちの期待に合致し、これらの方向における新しい研究の道を開いた。
レンズを通してテキストが自然に偏っていることは認識していますが、ここではワークショップの結果を公平に強調する試みについて紹介します。
関連論文リスト
- What comes after transformers? -- A selective survey connecting ideas in deep learning [1.8592384822257952]
2017年以降、トランスフォーマーは人工知能のデファクトスタンダードモデルとなっている。
研究者にとって、こうした発展をより広いレベルで追跡することは困難である。
深層学習の基本的な理解をすでに持っている人たちに対して、これらの領域における多くの重要かつ最近の研究の概要を包括的に紹介する。
論文 参考訳（メタデータ） (2024-08-01T08:50:25Z) - A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-21T08:54:56Z) - On the Essence and Prospect: An Investigation of Alignment Approaches
for Big Models [77.86952307745763]
ビッグデータはAIの分野で画期的なブレークスルーを達成したが、潜在的な懸念を生じさせるかもしれない。
このような懸念に対処するため、これらのモデルを人間の嗜好や価値観に適合させるアライメント技術が導入された。
過去1年間にかなりの進歩があったにもかかわらず、最適アライメント戦略の確立には様々な課題がある。
論文 参考訳（メタデータ） (2024-03-07T04:19:13Z) - RHOBIN Challenge: Reconstruction of Human Object Interaction [83.07185402102253]
最初のRHOBINチャレンジ:RHOBINワークショップと連携して人間と物体の相互作用を再構築する。
我々の課題は、単眼のRGB画像から3D再構成する3つのトラックで構成され、困難な相互作用シナリオに対処することに焦点を当てている。
本稿では,課題の設定について述べるとともに,各トラックの入賞方法についてより詳細に述べる。
論文 参考訳（メタデータ） (2024-01-07T23:37:07Z) - Future-proofing geotechnics workflows: accelerating problem-solving with
large language models [2.8414492326907577]
本稿は,東京で開催されているハンズオンワークショップにおいて,大規模言語モデルの地工学への応用を探求するものである。
本稿は,LLMが地学工学の実践を変革する可能性について論じ,基礎データ解析から複雑な問題解決まで,様々なタスクの処理能力を強調した。
論文 参考訳（メタデータ） (2023-12-14T05:17:27Z) - 3rd Continual Learning Workshop Challenge on Egocentric Category and
Instance Level Object Understanding [20.649762891903602]
本稿では,CVPR 2022の第3回コンピュータビジョン学習ワークショップ(CLVision)における課題のアイデア,設計選択,ルール,結果について要約する。
このコンペティションの焦点は、複雑な連続物体検出タスクであり、分類タスクと比較して、文学においてまだ過小評価されている。
論文 参考訳（メタデータ） (2022-12-13T11:51:03Z) - BigScience: A Case Study in the Social Construction of a Multilingual
Large Language Model [11.366450629112459]
BigScience Workshopは、学際研究の1年半にわたる価値駆動型イニシアチブだった。
本稿では,BigScienceの協調研究に焦点をあて,大規模参加研究の課題を振り返る。
論文 参考訳（メタデータ） (2022-12-09T16:15:35Z) - Coordinated Science Laboratory 70th Anniversary Symposium: The Future of
Computing [80.72844751804166]
2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。
シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。
参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
論文 参考訳（メタデータ） (2022-10-04T17:32:27Z) - An information-theoretic perspective on intrinsic motivation in
reinforcement learning: a survey [0.0]
本稿では,これらの研究成果を情報理論に基づく新たな分類法を用いて調査することを提案する。
我々は、サプライズ、ノベルティ、スキル学習の概念を計算的に再考する。
我々の分析は、新規性とサプライズがトランスファー可能なスキルの階層を構築するのに役立つことを示唆している。
論文 参考訳（メタデータ） (2022-09-19T09:47:43Z) - Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。
ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。
NASはコンピュータビジョンの幅広い問題に適用されている。
論文 参考訳（メタデータ） (2022-02-15T08:06:50Z) - A Design Space Study for LISTA and Beyond [79.76740811464597]
近年では、反復アルゴリズムの展開による問題固有のディープネットワーク構築に大きな成功を収めている。
本稿では,深層ネットワークにおける設計アプローチとしてのアンローリングの役割について再考する。
スパースリカバリのためのlistaを代表例として,未ロールモデルに対する設計空間調査を初めて実施した。
論文 参考訳（メタデータ） (2021-04-08T23:01:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。