MLMU #28 - Lightning talks vol. 4
Details
(Meetup will be held in Czech)
"Lightning talks" meetup je speciální typ setkání, kde místo obvyklého jednoho řečníka vystoupí speakeři hned tři a to každý na jiné téma. Jedná se o oblíbený formát zejména pro jeho různorodost a spád. Přijďte si rozšířit obzory, nechat se inspirovat a seznámit se s dalšími lidmi, které zajímá to samé co vás. Ale pozor! Prezentacemi to nekončí. Zájemci se s námi mohou přesunout do blízké Kozlovny a seznámit se s našimi řečníky a dalšími účastníky meetupu. Těšíme se na vás!
Program:
• Petr Baudiš - Memory networks
• Pavel Bažant - Darwinovská evoluce v počítači
• Gustav Šourek - Relační učení a Lifted Relational Neural Networks
• Po přesunu následuje Networking v Kozlovně
Místo: Paralelní Polis, Dělnická 43, Praha 7
(Doporučujeme dopravu tramvají na zastávku Dělnická)
Jazyk prezentace: Česky
Přednášky:
Petr Baudiš - Memory networks
Neuronové sítě se v posledních letech vrátily do módy jako mocné klasifikátory při práci s velkými datasety, mnoho výzkumu se ale nyní soustředí na způsoby, jak je rozšířit z pouhých mapovacích funkcí na méně lineární výpočty zahrnující jistý aspekt iterativního uvažování. Memory Networks (http://arxiv.org/pdf/1410.3916v11.pdf) jsou jedním z takových přístupů – inspirovaným problémy při zpracování přirozeného textu, kdy je často třeba si něco zapamatovat a později opět použít. Představíme si architekturu Memory Networks, možná je trochu demystifikujeme, a podíváme se, na jaké úlohy se aplikují a co rok jejich dosavadního výzkumu přinesl.
---
Pavel Bažant - Darwinovská evoluce v počítači
Abstrakt:
Evoversum je program implementující Darwinovskou evoluci jednoduchých organizmů v digitálním světě. Program je ke stažení na adrese http://sourceforge.net/projects/evoversum/files/ (http://l.facebook.com/l.php?u=http%3A%2F%2Fsourceforge.net%2Fprojects%2Fevoversum%2Ffiles%2F&h=_AQGc9vDr&enc=AZPfdiEFS84pGsXK2Kut9zMYKBybccgIb1VmHAvzUycF0CNBE3jgGTDgnukA0LJjCls&s=1)
Projekt klade důraz na zkoumání evoluce chování, a tak je evoluce zatím omezena jen na mozky digitálních organizmů -- morfologie je tedy fixní. Chování jedinců vzniklých evolucí v Evoversu je značně variabilní a někdy zahrnuje i velmi zajímavé či překvapivé strategie. Hlavním cílem Evoversa je demonstrovat následující dvě pozoruhodné schopnosti evoluce:
• schopnost vygenerovat z jednoho předka mnoho potomků, kteří se od sebe navzájem značně liší
• a schopnost vygenerovat organizmy, které jsou výrazně složitější než jejich předkové.
Evoluce v Evoversu tyto dvě vlastnosti vykazuje a cílem tohoto povídání je předvést tuto skutečnost "naživo".
---
Gustav Šourek - Relační učení a Lifted Relational Neural
Po prvotních pokusech se symbolickými přístupy ke strojovému učení se téměř celá komunita přesunula k propozičním, tj. "feature-vektorovým" reprezentacím, které se staly standardem pro drtivou většinu učících modelů, a vedly k markantnímu zlepšení přesnosti na mnohých úlohách rozpoznávání, např. ve spojení s nyní populárními metodami neuronových sítí a hlubokého učení. Ačkoliv znikají stále nové přístupy pro jejich obejití, tyto reprezentace přináší mnohá principielní omezení při řešení komplexnějších problémů, jako je např. učení ze strukturovaných dat, zakomponování expertní znalosti, či logické odvozování. Relační učení je nepříliš známý přístup ke strojovému učení, který adresuje množství těchto zajímavých problémů. Představíme si základní myšlenky a krátce vypíchneme konkrétní metodu relačního učení kombinující logiku a neuronové sítě.
Web MLMU: http://www.mlmu.cz/
Náš profil na Facebooku: https://www.facebook.com/machinelearningmeetups/