← 返回书架
·
← 书详情页
Inductive Biases for Deep Learning of Higher-Level Cognition（高层级认知的归纳偏置） · 中英对照版
Anirudh Goyal & Yoshua Bengio · Mila / Université de Montréal · arXiv:2011.15091 ｜ 段落级中英对照 · 移动端优先
📖 中英对照 · 全文中英对照已翻译（§1-§5）
§1 深度学习是否已经收敛？
§1
Has Deep Learning Converged? · 深度学习是否已经收敛？
已译
§2 关于归纳偏置
§2
About Inductive Biases · 关于归纳偏置（含表 1/表 2）
已译
§3 基于高层级认知的归纳偏置
§3.1
Conscious vs Unconscious Processing · 意识与无意识加工（含 GWT）
已译
§3.2
Attention as Dynamic Information Flow · 注意力即动态信息流
已译
§3.3
Blend of Serial and Parallel Computations · 串行与并行混合
已译
§3.4
Semantic Representations · 可言语化概念的语义表征
已译
§3.5
Semantic Variables Play a Causal Role · 语义变量的因果角色
已译
§3.6
Local Changes in Distribution · 语义空间中的局部分布变化
已译
§3.7
Stable Properties of the World · 世界的稳定属性
已译
§3.8
Sparse Factor Graph · 语义变量空间的稀疏因子图
已译
§3.9
Variables, Instances and Reusable Knowledge · 变量、实例与可复用知识
已译
§3.10
Causal Chains Are Short · 短因果链
已译
§3.11
Context-dependent Processing · 上下文依赖处理
已译
§4 因果结构的陈述性知识
§4.1
Independent Causal Mechanisms · 独立因果机制（ICM）
已译
§4.2
Exploit Distribution Changes · 利用因果干预导致的分布变化
已译
§4.3
Meta-learning & Causality · 元学习、因果性与快速迁移
已译
§4.4
Actions and Affordances · 行动与可供性
已译
§5 结论
§5
Conclusions · 结论
已译
← 主页