![image][1]

От имени команды Uber AI Labs, которая также включает Joel Lehman, Jay Chen, Edoardo Conti, Vashisht Madhavan, Felipe Petroski Such и Xingwen Zhang.

В области обучения глубоких нейронных сетей (DNN) с большим количеством слоев и миллионами соединений, для тренировки, как правило, применяется стохастический градиентный спуск (SGD). Многие полагают, что способность SGD эффективно вычислять градиенты является исключительной особенностью. Однако мы публикуем набор из пяти статей в поддержку [нейроэволюции][2], когда нейронные сети оптимизируются с помощью эволюционных алгоритмов. Данный метод также является эффективным при обучении глубоких нейронных сетей для задач обучения с подкреплением (RL). Uber [имеет множество областей][3], где машинное обучение может улучшить его работу, а разработка широкого спектра мощных подходов к обучению (включая нейроэволюцию), поможет разработать более безопасные и надежные транспортные решения.
[Читать дальше →][4]

[1]: https://habrastorage.org/getpro/habr/post_images/8ef/1a1/51e/8ef1a151eaf9383f17b13d650c6b33b3.png
[2]: https://www.oreilly.com/ideas/neuroevolution-a-different-kind-of-deep-learning
[3]: https://eng.uber.com/machine-learning/
[4]: https://habrahabr.ru/post/345950/?utm_source=habrahabr&utm_medium=rss&utm_campaign=345950#habracut