Yoshua Bengio 等人基于学习器适应新分布的速度提出一种元学习因果结构，假设新分布由干预、智能体动作以及其它非稳态（non-stationarity）导致的稀疏分布变化引起，由此得出“正确的因果结构选择 会使学习器**更快地适应修改后的分布**”。该假设的研究将“适应修改后分布的速度”作为元学习的目标，表明“这可用于决定两个观测变量之间的因果关系”。研究结论的价值即特点和优势发现是，分布变化无需对应标准干预，学习器不具备关于干预的直接知识。因果结构可通过连续变量进行参数化，并以端到端的形式学得。研究探讨了想法的如何应用，来满足“独立机制 以及 动作和非稳态 导致的 机制内微小稀疏变化 ”的假设。
2024-03-18 08:53:54
727KB
1
Deep Learning (Ian Goodfellow, Yoshua Bengio and Aaron Courville)深度学习中英文版本资源-附件资源
2022-10-20 16:32:26
23B
1
Deep learning Book by Ian Goodfellow and Yoshua Bengio
2022-09-06 10:28:56
26.5MB
1
深度学习教材，Bengio等人著，附件内含中文PDF及英文PDF各一份，仅用作学习参考，不得用作商业用途
2022-01-19 12:06:47
55.26MB
1
深度学习经典书籍 Ian Goodfellow Yoshua Bengio Aaron Courville
译者： 赵申剑 , 黎彧君 , 符天凡 , 李凯 责编： 王峰松
2021-09-10 20:48:33
14.47MB
1
深度学习，MIT，deep learning, Yoshua Bengio,Ian Goodfellow,Aaron Courville
2021-09-01 15:43:57
19.05MB
1
《Deep Learning》 Ian Goodfellow Yoshua Bengio Aaron Courville.zip
2021-08-20 01:38:53
14.79MB
Deep Learning_Ian Goodfellow,Yoshua Bengio,Aaron Courville合著,全书并分章节pdf,全书802页
2021-05-26 17:08:24
35.95MB
1