报 告 人：孟德宇 教授 西安交通大学

报告时间：3月8日（周五）10:00～11:30

报告地点：宝山校区计算机大楼1104室

邀 请 人：岳晓冬 副教授

报告摘要：

在现实复杂环境下，用以训练的数据标记通常包含大量噪声（错误标记）。采用数据加权的方式是对该噪声标记问题一种通用的方法，例如侧重于易分类样本的自步学习方法与侧重于难分类样本的boosting算法等。然后，目前对数据加权仍然缺乏统一的学习模式，且一般总要涉及超参数选择的问题。本报告将汇报一种新的元学习方法，通过在无偏差元数据的引导下，能够对存在偏差的噪声标记数据的训练模式进行有效的调节与控制，从而在很大程度上避免了超参数调节的问题，并通过数据驱动的方式实现了自适应选择权重赋予的方式。通过在噪声标记数据集上的测试，初步验证了该方法的有效性与稳定性。

报告人简介:

孟德宇，西安交通大学，教授，博导，万人计划青年拔尖人才，现任西安交通大学大数据算法与分析技术国家工程实验室机器学习教研室负责人。2012至2014年在Carnegie Mellon University任访问学者，发表论文80余篇，其中包括TPAMI、TNNLS、TIP等IEEE Transactions期刊论文22篇，ICML、AAAI、CVPR等CCF A类会议论文32篇。曾担任ICML、NIPS等机器学习领域顶级学术会议程序委员会委员，AAAI2016、IJCAI2017等人工智能领域顶级学术会议高级程序委员会委员。目前研究工作主要聚焦于自步学习、误差建模、张量稀疏性等机器学习与计算机视觉领域的基础研究问题。

个人主页：http://dymeng.gr.xjtu.edu.cn

主办单位：上海大学计算机工程与科学学院