📐📚New study on #WassersteinDistance: Bonet et al. study #geodesic rays in #Wasserstein space and derive conditions for their existence. They show that #Busemann functions can be computed via #OT, with closed-form solutions for 1D and Gaussian cases. This enables efficient sliced distances for labeled datasets, closely matching classical metrics at lower cost and supporting dataset “flows” for #TransferLearning.
Chelsea Finn (@chelseabfinn)
연구 결과: 일반적으로 데이터 다양성이 많을수록 좋다고 예상하지만, 크로스-엠바디먼트(cross-embodiment) 전이에는 서로 짝지어진(paired) 서로 다른 엠바디먼트 데이터가 다양성 증가보다 더 유리하다는 발견을 보고합니다. 관련 웹페이지·코드(data-analogies)와 arXiv 논문 링크 제공.
fly51fly (@fly51fly)
MIT CSAIL 소속 Y. Gan, P. Isola 등이 2026년 발표한 'Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights' 논문 소개 트윗으로, 사전학습된 가중치 주변에 다양한 작업 전문가(experts)가 밀집해 있다는 관찰을 제시하며 파인튜닝·전이학습에서의 효율적 전문가 구성 가능성을 논의합니다.
Transfer learning is a technique in machine learning where a model developed for one task is reused as the starting point for a model on a second task. Rather than training a model entirely from scratch[..]
Full article:
https://ml-nn.eu/a1/86.html
Q*Satoshi (@AiXsatoshi)
로보틱스와 자율주행 분야의 성공 사례들을 대형 언어 모델(LLM) 쪽으로 가져오는 방식도 유효한 접근이라는 제안으로, 멀티도메인 지식 이전이나 사례 전이의 가능성을 시사합니다.
Hướng dẫn sử dụng kỹ thuật Transfer Learning với VGG19 cho phân loại hình ảnh (dataset máy bay). Bài viết giải thích chi tiết cách chọn VGG19, thay đổi lớp đầu ra, huấn luyện & đánh giá mô hình. Kèm hướng dẫn code và video minh họa. #AI #MachineLearning #TransferLearning #VGG19 #HocMay #KienThucMoi
Fabrizio Musacchio
anknfriends
sayzard
Calin Sandu
Reddit Tech VN Bot
carljbar