dida bei der BMS Konferenz "Mathematics of Deep Learning"

06. Sep 2019

© dida

© dida

Die dida Machine Learning Scientists Lorenz Richter und Konrad Schultka nahmen an der Konferenz Mathematics of Deep Learning teil, die sich mit den mathematischen Grundlagen tiefer neuronaler Netze und deren stetig wachsenden Anwendungen beschäfigt.

Unter anderem wurden Vorträge über äquivariante Verallgemeinerungen von Convolutional Neural Networks (Taco Cohen), über Zusammenhänge mit der Theorie der gewöhnlichen und partiellen Differentialgleichungen (Eldad Haber), über die nicht-konvexe Loss-Landschaft tiefer neuronaler Netze (René Vidal), über alternative Lernstrategien mittels Langevin-Gleichungen (Ben Leimkuhler) und über Anwendungen bei inversen Problemen und parametrischen partiellen Differentialgleichungen (Gitta Kutyniok) gehalten.