机器学习专业的研究在南加州大学维特比分校找到了新的归宿

获得了150万美元的新资助,南加州大学维特比工程学院(USC Viterbi School of Engineering)电气与计算机工程系(Ming Hsieh Department of Electrical and Computer Engineering)迎来了不断增长的迁移学习领域。

这笔资金被授予了三位教授——萨尔曼·阿维斯蒂梅尔、安东尼奥·奥尔特加和马赫迪·索塔诺科塔比——他们将与威斯康星大学麦迪逊分校的伊利亚斯·迪亚科尼科拉斯一起研究这一领域的理论基础。

现代机器学习模型正在数据科学领域开辟新的领域,在1000个不同的图像类别中对图像进行分类等任务上取得了前所未有的成绩。这是通过训练巨大的神经网络实现的。

“神经网络工作得非常好,因为它们可以对大量已经存在的数据进行训练,这些数据之前已经被标记和收集过了,”该项目的主要研究者Avestimehr说。“但是,我们如何在样本非常有限的情况下训练神经网络,比如利用(或转移)我们已经解决的相关问题的知识?”这叫做转移学习。”

应对转移学习的挑战

人类很容易适应的环境仍然会给神经网络带来问题。以导航为例:一个机器人可能在纽约接受过有效导航的训练,但如果你把它扔到上海的街道上,它通常会失败。面对无法识别的路牌形式的新数据,以及地理和语言的变化,这个高度先进的神经网络突然变得毫无用处。

美国国防高级研究计划局(Defense Advanced Research Projects Agency)支持14个研究团队应对转移学习的挑战,其中大部分集中在应用方面。南加州大学维特比研究小组是专注于理论基础的三个团队之一。

“我们对有机会专注于解决基本问题感到特别兴奋:是什么使信息从一个任务转移到另一个任务成为可能?”除了传输的信息外,特定任务还需要多少数据?”奥尔特加说。“这些问题的答案对于加速机器学习问题的进展是至关重要的,因为这些问题的大量数据是无法获得的。”

更多关于:维特比工程学院的故事

新闻旨在传播有益信息,英文原版地址:https://news.usc.edu/162838/transfer-learning-research-usc-viterbi-theoretical-foundations/

http://petbyus.com/18885/