首页-_学术活动_教师

学术报告461:面向数据表示的广义鲁棒回归学习

发布日期:  2019/11/26  周时强   浏览次数: 部门:    返回

报 告 人:赖志辉 教授,深圳大学

报告时间:11月27日(周三)10:00~11:30

报告地点:宝山校区计算机大楼402室

邀 请 人:岳晓冬 副教授

报告摘要:

报告首先简要回顾了回归学习的理论背影与方法,并以脊回归及其拓展为基础原型,在脊回归框架下给出了几个典型的例子及存在的问题,介绍如何设计回归学习模型来发展相关的理论与方法以解决低质量数据鲁棒学习问题,并进一步把其拓展到大数据学习中,发展基于回归的哈希学习与深度哈希学习理论与方法。

报告人简介:

赖志辉,深圳大学计算机与软件学院教授、博士生导师,现为广东省计算机视觉中英联合实验室副主任。其博士毕业于南京理工大学模式识别与智能系统教育部重点实验室,曾任香港理工大学副研究员、博士后研究员及研究员,已发表了100多篇学术论文,其中有30多篇发表在IEEE Transactions系列权威杂志上,包括多篇IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Image Processing、IEEE Transactions on Cybernetics。他所发表的学术论文近5年已获得1000次SCI他引,曾有6篇论文入选EIS高被引论文,系统地发展了稀疏线性鉴别分析理论与方法。他曾获得2008年中国模式识别最佳大会论文奖、2016年中国生物特征识别大会最佳海报论文奖、2017年江西省自然科学技术奖二等奖、2018年国际会议AIFT最佳论文奖,2019年吴文俊人工智能自然科学三等奖。赖志辉于2015年入选深圳市海外高层次人才“孔雀计划”,现任国际SCI杂志International Journal of Machine Learning and Cybernetics的编委(影响因子3.273)。

个人主页:http://www.scholat.com/laizhihui



上一条:学术报告463:Data Analytics for Social Learning Service and Individualized Education

下一条:学术报告460:语法分析在RDF文本分析和问答中的应用