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》。