报告题目:半监督学习近期进展
报告人:李宇峰,南京大学副教授
报告时间:2021年08月23日,14:30
腾讯会议号:269 517 152
报告摘要:半监督学习利用未标记数据来提高模型泛化性能,有效减少标注代价。半监督学习范式具有广阔的应用前景,但是能否稳健地适应数据环境的应用需求还亟待研究。当训练和测试数据包含来自未知分布的示例时,学习算法往往会失败。分布外样本(OOD)或来自新类的样本,成为在实际任务中部署学习模型的一个挑战。以往的研究主要集中在监督或无监督情景,而对半监督情景的研究仍然有限。本次报告将介绍半监督学习在获得稳健性能方面的近期进展。
报告人简介:李宇峰,南京大学计算机系博士生导师,副教授,江苏省人工智能学会机器学习专委会秘书长,研究方向为机器学习,在重要国际期刊会议发表论文50余篇。担任《Machine Learning》《Neural Network》等期刊编委;担任IEEE BigComp20 程序主席、中国机器学习及其应用研讨会MLA20、中国机器学习会议CCML21程序主席、亚洲机器学习会议ACML21 Journal Track主席、ICML21/IJCAI21领域主席、AAAI/IJCAI等会议高级程序委员10余次。曾获中国人工智能学会优秀学会工作者、CCF优博、江苏省人工智能学会优秀学会工作者等荣誉。