从自编码器到生成对抗网络：一文纵览无监督学习研究现状(4)
2017-05-07 编辑：
这项工作是非常激动人心的，因为它遵循关于人类视觉皮层如何学习分割运动物体的神经学理论。参见论文《Development of human visual function》，链接：http://www.sciencedirect.com/science/article/pii/S004269891100068X。
未来
未来需要你们来创造。
无监督训练仍然还是一个有待发展的主题，你可以通过以下方式做出较大的贡献：
创建一个新的无监督任务去训练网络，例如：解决拼图问题、对比图像补丁、生成图像等......
想出能够创造很棒的无监督功能的任务，例如：像我们人类视觉系统的工作方式一样，理解立体图像和视频中什么是物体、什么是背景。
原文链接：https://medium.com/intuitionmachine/navigating-the-unsupervised-learning-landscape-951bd5842df9
读者福利：即日起至 GMIS 2017 大会当天，读者在头条文章下留言，机器之心会在次日选出最专业或最有见解的一条评论赠送 GMIS 2017 双日票一张！
相关阅读：
相关推荐：