无监督学习产生的可泛化特征
机器学习
2016-12-13 v1 计算机视觉与模式识别
机器学习
摘要
人类学习一个关于世界的预测模型，并利用该模型来推理未来事件及行动的后果。与大多数机器预测器相比，我们展现出令人印象深刻的泛化到未见场景并在这些情境下进行智能推理的能力。这种能力的一个重要方面是物理直觉（Lake等人，2016）。在这项工作中，我们探索了无监督学习在寻找能促进对监督训练分布之外情境更好泛化的特征方面的潜力。我们的任务是预测方块塔的稳定性。我们证明，一个经过训练以预测稳定和不稳定方块构型视频序列未来帧的无监督模型，可以产生支持将稳定性预测外推到训练集分布之外方块构型的特征。
引用
@article{arxiv.1612.03809,
title = {Generalizable Features From Unsupervised Learning},
author = {Mehdi Mirza and Aaron Courville and Yoshua Bengio},
journal= {arXiv preprint arXiv:1612.03809},
year = {2016}
}