主题报告：基于信息论的分类学习Classification Learning Based on Information Theory
报  告  人：胡包钢 研究员（中国科学院自动化研究所）
报告时间：10月11日（周五）9:30～11:00
报告地点：宝山校区计算机大楼402室
邀  请  人：张武 教授
报告摘要：
This talk introduces our recent study on Information Theoretical Learning (ITL). By comparing with the conventional performance-based approaches, I will show that ITL presents unique features which have not been reported before in classifications. Two parts of study will be given in the talk, that is:
1. Bayesian classifiers VS. Mutual information classifiers
2. Cost free learning and Abstaining learning
Our findings confirm that ITL provides a new perspective for understanding some learning mechanisms or decision rules in our daily life. I will also present personal viewpoints on the cons and pros of ITL.
报告人简介:
胡包钢，1993年于加拿大McMaster University获博士学位，1994-1997年于加拿大Memorial University of Newfoundland任职高级研究工程师，1997年至今于中国科学院自动化研究所模式识别国家重点实验室任职研究员，期间于2000年被聘为中国科学院北京研究生院教授，2006年被聘为法国中央巴黎工程大学客座教授，2009年被聘为中国科学技术大学博士生导师，于2000-2005年任职中法信息、自动化、应用数学联合实验室（LIAMA）中方主任。研究方向包括智能系统、模式识别、植物生长建模、机器学习等，在领域相关顶级国际期刊（包括IEEE TPAMI, TNN, TKDE, TIP, TSMC等），国际会议（包括NIPS, ICML, AAAI, ICDM, CVPR等）发表多篇文章，曾作为会议主席或程序委员会委员参与组织多个国际/国内知名学术会议，参与多个国际/国内顶级期刊的论文评审工作。目前为IEEE高级会员，《自动化学报》，《模式识别与人工智能》编委，中国自动化学会控制理论专业委员会、智能自动化专业委员会委员，中国人工智能学会机器感知与虚拟现实专业委员会委员。
个人主页：http://liama.ia.ac.cn/wiki/user:hubg:home