題  目：機器感知：理論、優化和應用

内容簡介：機器感知是統計學習和機器學習的一個重要基礎，它為支持向量機網絡和人工神經網絡訓練提供了函數逼近，并派生了可被控制的樣本複雜度和泛化誤差。半空間學習是感知器在球形假設上的假設修剪過程，這一過程被證實，在主動修剪下，樣本複雜度的界可呈現指數級下降。為此，主動學習理論成為泛化分析的重要組成，并指導監督訓練、貝葉斯逼近、蒙特卡洛采樣等。例如，從統計優化角度，主動學習是關于統計A, B, C, 和T優化設計的解決方案；在貝葉斯優化中，主動學習又是希爾伯特空間的測地線搜尋和核心集構造。但主動學習并不是對機器學習模型的最優控制。為此，我們考慮了機器學習的新一代研究瓶頸：黑盒機器教學，即在未知分布和先驗下，尋求訓練集的封閉解。為尋求該問題的解決方案，我們探索了歐式空間和非歐空間，研究了龐加萊和黎曼鞍型，并得到了一些尋找封閉查詢集的解決方案。受理論和優化的結果影響，我們擴展至分布優化的應用子問題：測地線搜索下噪聲規避和未知分布外邊緣匹配等，并在進一步探索中。

報告人：吉林大學  曹曉鋒  博士

報告人簡介：澳大利亞人工智能研究院|悉尼科技大學博士畢業。2021年通過吉林大學海外人才計劃準-長聘系列引進回國，現工作于吉林大學人工智能學院，博士生導師，機器感知課題組負責人。主要研究方向是機器學習，具體包括：1）理論: 為模型不可知算法（Model-agnostic algorithm）提供泛化分析和近似收斂保證，以及标簽複雜度的界 ；2）優化：黎曼流形和黑盒教學；3）應用：非歐空間建模。已在計算機頂級期刊《IEEE-TPAMI》、《IEEE-TNNLS》發表學習理論工作；其黑盒教學研究即将發表在人工智能頂級理論期刊《 Artificial Intelligent 》，另有《IEEE-TCYB》、CVPR、IJCAI等多篇論文發表，是T-PAMI/AIJ/JAIR/NeurIPS/ ICML/ACML/等頂級期刊和會議 PC/Reviewer。

時  間：2021年10月12日（周二） 上午 9：30始

地  點：騰訊會議  會議 ID：187 226 151

熱烈歡迎廣大師生參加!

太阳集团1088vip

2021年10月11日