麻省理工最年轻教授的算法课：MIT博士生 北大校友 利用自监督算法

麻省理工最年轻教授的算法课：MIT博士生 北大校友 利用自监督算法论文地址：https://arxiv.org/abs/2006.07529目前，杨宇喆的研究方向主要有两个：基于学习的无线感应技术，应用方向是医疗保健；机器学习，主要是针对机器学习和强化学习的鲁棒性进行研究。论文二作Zhi Xu，本科毕业于伊利诺伊大学厄巴纳-香槟分校，同样是MIT的博士生，感兴趣的研究方向是机器学习理论和现代应用，目前主要在研究强化学习的稳定性、效率、结构和复杂度。

也就是说，为了利用自监督克服标签偏见，在长尾学习的第一阶段，需要先放弃标签信息，进行自监督预训练。

此阶段后，可以使用任何标准训练方法，训练得到最终模型。（例如此前所用的迁移学习、重加权、域自适应……）

这样，就能更好地解决长尾问题。

作者介绍

论文一作杨宇喆，目前是MIT计算机科学的三年级博士生，本科毕业于北京大学。

目前，杨宇喆的研究方向主要有两个：基于学习的无线感应技术，应用方向是医疗保健；机器学习，主要是针对机器学习和强化学习的鲁棒性进行研究。

论文二作Zhi Xu，本科毕业于伊利诺伊大学厄巴纳-香槟分校，同样是MIT的博士生，感兴趣的研究方向是机器学习理论和现代应用，目前主要在研究强化学习的稳定性、效率、结构和复杂度。

论文地址：
https://arxiv.org/abs/2006.07529

项目地址：
https://github.com/YyzHarry/imbalanced-semi-self

论文解读@杨宇喆：
https://zhuanlan.zhihu.com/p/259710601

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态