首页-_学术活动_教师

学术报告481:机器学习公理化

发布日期:  2020/10/15  周时强   浏览次数: 部门:    返回

报 告 人:于剑 教授,北京交通大学

报告时间:10月23日(周五)10:00

报告地点:腾讯会议ID:687 579 018

邀 请 人:马丽艳 副研究员

报告摘要:

在大数据时代,因应用需求的驱动,大量新机器学习方法不断产生。 这些新算法理论依据各异,彼此之间的关系极其复杂,对学习算法的使用者要求极高。但是,儿童的学习能力虽高, 却不能掌握现今机器学习的理论。是否能够提出一套符合人类认知的机器学习理论,是当前一个亟待解决的问题。本次报告试图提出一个统一基于认知的机器学习公理化框架,其基本假设是:归哪类,像哪类;像哪类,归哪类。该机器学习理论可以推演出归类方法的三条设计原则,以统一的方式重新解释了数据降维、密度估计、回归,聚类和分类等问题,而且与日常生活中的认知原则一致。

报告人简介:

于剑,博士,现任北京交通大学人工智能研究院院长,二级教授,交通数据分析与挖掘北京市重点实验室主任,北京大学数学科学学院获学士、硕士和博士学位。2004年加入CCF,2018年当选CCF会士,现任CCF人工智能与模式识别专业委员会主任。著有学术专著《机器学习:从公理到算法》。



上一条:学术报告482:Android生态系统的安全性和研究挑战

下一条:学术报告480:人工智能与智慧教育——浅谈旷视在教育领域的布局