Deep learning methods have propelled many of the recent remarkable achievements of artificial intelligence, yet their inner workings remain enigmatic. How do these methods represent the training examples in their multiple processi...
Deep learning methods have propelled many of the recent remarkable achievements of artificial intelligence, yet their inner workings remain enigmatic. How do these methods represent the training examples in their multiple processing layers? How are these representations used to make decisions on previously unseen data? The Correlation-Oriented Representation Learning (CORaL) project delves into the intricate relationship between data correlations and the hidden representations of deep neural networks. CORaL's core objectives encompass: i) characterizing the structure of data correlations in tasks where deep learning methods excel; ii) providing a theoretical description of the interplay between the learning dynamics of deep networks and data correlations; and iii) validating these theoretical insights on benchmark machine-learning datasets. The Researcher will approach these objectives with an effective mix of numerical experiments, scaling descriptions and rigorous arguments, inspired by statistical physics and fostered by the unique interdisciplinary scientific community of SISSA. By describing the impact of data correlations on representation learning, CORaL holds the potential to enhance the interpretability and efficiency of deep learning methods across diverse domains, while also enhancing our general understanding of the principles of learning from examples.ver más
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.