会员服务
Yann LeCun · 人工智能 · 机器学习 ·
2023 年 8 月 7 日
图灵奖-Yann LeCun 《机器可以学习、推理和规划》，附视频与Slides
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

目标驱动的AI：朝向能够学习、记忆、计划、推理、具有常识的AI系统，同时还是可控和安全的.

成为VIP会员查看完整内容
Objective-Driven AI Towards AI systems that can learn, remember, reason, plan, have common sense, yet are steerable and safe
46

相关内容

杨立昆（法语：Yann Le Cun，英语：Yann LeCun，1960年7月8日－）(原中文译名：扬·勒丘恩)是一位计算机科学家，他在机器学习、计算机视觉、移动机器人和计算神经科学等领域都有很多贡献。他最著名的工作是在光学字符识别和计算机视觉上使用卷积神经网络 (CNN)，他也被称为卷积网络之父。他同Léon Bottou和Patrick Haffner等人一起创建了DjVu图像压缩技术。他同Léon Bottou一起开发了Lush语言。
【干货书】机器学习—工程师和科学家的第一课，348页pdf
【干货书】机器学习—工程师和科学家的第一课，348页pdf
专知会员服务
101+阅读 · 2023年2月24日
深度学习注意力机制，附Slides与视频，Prabhu Prakash Kagitha讲授
深度学习注意力机制，附Slides与视频，Prabhu Prakash Kagitha讲授
专知会员服务
46+阅读 · 2022年6月29日
【俄亥俄州立大学学生论文】鲁棒自然语言理解，74页pdf，Towards More Robust Natural Language Understanding
【俄亥俄州立大学学生论文】鲁棒自然语言理解，74页pdf，Towards More Robust Natural Language Understanding
专知会员服务
19+阅读 · 2022年3月1日
【硬核书】终身机器学习，145页pdf
【硬核书】终身机器学习，145页pdf
专知会员服务
85+阅读 · 2021年3月1日
【斯坦福CS224W】知识图谱嵌入，77页ppt
专知会员服务
67+阅读 · 2021年2月17日
【2023新书】AI4Science，人工智能促进科学发现，134页pdf
【2023新书】AI4Science，人工智能促进科学发现，134页pdf
专知
60+阅读 · 2023年4月5日
【MIT博士论文】联邦学习实用方法，143页pdf
【MIT博士论文】联邦学习实用方法，143页pdf
专知
6+阅读 · 2022年9月24日
推荐！《机器人和自主系统：有人/无人组队(RAS-MUM-T)》107页报告
推荐！《机器人和自主系统：有人/无人组队(RAS-MUM-T)》107页报告
专知
53+阅读 · 2022年9月11日
【CMU博士论文】课程学习，Curriculum Learning，193页pdf
【CMU博士论文】课程学习，Curriculum Learning，193页pdf
专知
2+阅读 · 2022年8月13日
【经典书】精通机器学习特征工程，中文版，178页pdf
【经典书】精通机器学习特征工程，中文版，178页pdf
专知
135+阅读 · 2020年2月15日
信息系统直接使用与间接使用—探索基于社会权力视角的前因及其对工作绩效的影响
国家自然科学基金
1+阅读 · 2015年12月31日
基于自主学习的Ad hoc Agent序贯决策研究
国家自然科学基金
46+阅读 · 2015年12月31日
基于决策模型和预备电位的运动想象BCI研究
国家自然科学基金
3+阅读 · 2015年12月31日
CGF战场空间认知行为建模研究
国家自然科学基金
51+阅读 · 2014年12月31日
海量Web用户生成内容物化关键技术
国家自然科学基金
2+阅读 · 2014年12月31日
How to estimate carbon footprint when training deep learning models? A guide and review
Arxiv
0+阅读 · 2023年9月25日
On Efficient Training of Large-Scale Deep Learning Models: A Literature Review
Arxiv
224+阅读 · 2023年4月7日
A Survey of Large Language Models
A Survey of Large Language Models
Arxiv
494+阅读 · 2023年3月31日
Train Large, Then Compress: Rethinking Model Size for Efficient Training and Inference of Transformers
Arxiv
12+阅读 · 2020年6月23日
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
Arxiv
80+阅读 · 2020年1月19日
VIP会员
相关主题
Yann LeCun
人工智能
机器学习
相关VIP内容
【干货书】机器学习—工程师和科学家的第一课，348页pdf
【干货书】机器学习—工程师和科学家的第一课，348页pdf
专知会员服务
101+阅读 · 2023年2月24日
深度学习注意力机制，附Slides与视频，Prabhu Prakash Kagitha讲授
深度学习注意力机制，附Slides与视频，Prabhu Prakash Kagitha讲授
专知会员服务
46+阅读 · 2022年6月29日
【俄亥俄州立大学学生论文】鲁棒自然语言理解，74页pdf，Towards More Robust Natural Language Understanding
【俄亥俄州立大学学生论文】鲁棒自然语言理解，74页pdf，Towards More Robust Natural Language Understanding
专知会员服务
19+阅读 · 2022年3月1日
【硬核书】终身机器学习，145页pdf
【硬核书】终身机器学习，145页pdf
专知会员服务
85+阅读 · 2021年3月1日
【斯坦福CS224W】知识图谱嵌入，77页ppt
专知会员服务
67+阅读 · 2021年2月17日
热门VIP内容
相关资讯
【2023新书】AI4Science，人工智能促进科学发现，134页pdf
【2023新书】AI4Science，人工智能促进科学发现，134页pdf
专知
60+阅读 · 2023年4月5日
【MIT博士论文】联邦学习实用方法，143页pdf
【MIT博士论文】联邦学习实用方法，143页pdf
专知
6+阅读 · 2022年9月24日
推荐！《机器人和自主系统：有人/无人组队(RAS-MUM-T)》107页报告
推荐！《机器人和自主系统：有人/无人组队(RAS-MUM-T)》107页报告
专知
53+阅读 · 2022年9月11日
【CMU博士论文】课程学习，Curriculum Learning，193页pdf
【CMU博士论文】课程学习，Curriculum Learning，193页pdf
专知
2+阅读 · 2022年8月13日
【经典书】精通机器学习特征工程，中文版，178页pdf
【经典书】精通机器学习特征工程，中文版，178页pdf
专知
135+阅读 · 2020年2月15日
相关基金
信息系统直接使用与间接使用—探索基于社会权力视角的前因及其对工作绩效的影响
国家自然科学基金
1+阅读 · 2015年12月31日
基于自主学习的Ad hoc Agent序贯决策研究
国家自然科学基金
46+阅读 · 2015年12月31日
基于决策模型和预备电位的运动想象BCI研究
国家自然科学基金
3+阅读 · 2015年12月31日
CGF战场空间认知行为建模研究
国家自然科学基金
51+阅读 · 2014年12月31日
海量Web用户生成内容物化关键技术
国家自然科学基金
2+阅读 · 2014年12月31日
相关论文
How to estimate carbon footprint when training deep learning models? A guide and review
Arxiv
0+阅读 · 2023年9月25日
On Efficient Training of Large-Scale Deep Learning Models: A Literature Review
Arxiv
224+阅读 · 2023年4月7日
A Survey of Large Language Models
A Survey of Large Language Models
Arxiv
494+阅读 · 2023年3月31日
Train Large, Then Compress: Rethinking Model Size for Efficient Training and Inference of Transformers
Arxiv
12+阅读 · 2020年6月23日
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
Arxiv
80+阅读 · 2020年1月19日
微信扫码咨询专知VIP会员
Top