中国计算机学会青年计算机科技论坛
CCF Young Computer Scientists & Engineers Forum
CCF YOCSEF济南
时间:2013年11月30日(星期六)14:30-17:00
地点:山东大学计算机科学与技术学院办公楼二楼会议室
报告会主题
机器学习前沿技术报告会
议 程
14:00 签到
14:30 报告会开始
14:30 特邀讲者:张敏灵, 东南大学副教授;演讲题目:弱监督机器学习
15:30 特邀讲者:李武军,上海交通大学副教授;演讲题目:哈希学习及其在大数据检索与挖掘中的应用
16:30 讨论会:机器学习的发展新趋势
17:00 集体合影
17:20 晚餐
执行主席:许信顺CCF YOCSEF济南 副主席
执行主席:马宏伟CCF YOCSEF济南 AC委员
执行主席:许信顺CCF YOCSEF济南 副主席
执行主席:马宏伟CCF YOCSEF济南 AC委员
机器学习前沿技术报告会
报告题目:弱监督机器学习
特邀讲者:张敏灵
张敏灵,东南大学计算机科学与工程学院副教授。分别于2001年、2004年和2007年于南京大学计算机科学与技术系获学士、硕士和博士学位。主要研究领域为机器学习、数据挖掘。现任“CAAI机器学习专委会/CCF模式识别与人工智能专委会”委员、 江苏省计算机学会人工智能专委会秘书长。担任《Machine Learning》客座编辑,ECML PKDD'09等国际会议讲座报告人,在ACML'12、ICML/COLT'10等组织主题Workshop并担任程序委员会共同主席。应邀担任IJCAI'13、SDM'13、ACML'13/'12等国际会议高级程序委员,以及ICML'14、AAAI'13/'12、KDD'11/'10等国际会议程序委员。获NSFC优秀青年科学基金(2012年)、教育部新世纪优秀人才支持计划(2013年)等。
报告提要:
在机器学习中,监督信息(supervision information)蕴含了学习问题的语义与规律,是设计有效的学习系统的关键。传统监督学习方法通常基于“强监督假设”(strong supervision assumption)构造学习模型,即:假设训练样本中包含了充分、清晰的监督信息以构造高泛化性能模型。然而,受问题特性、人力物力等因素的制约,在许多真实世界问题中强监督假设往往并不成立。近年来,弱监督机器学习(learning with weak supervision)的研究得到了国际机器学习界的广泛关注,并涌现出了不同类型的弱监督机器学习框架。本次报告将对若干流行的弱监督机器学习框架(半监督学习、多标记学习等)进行简要讨论,并介绍我们在相关领域的研究进展。
报告题目:哈希学习及其在大数据检索与挖掘中的应用
特邀讲者:李武军
李武军,博士,上海交通大学计算机科学与工程系副教授。主要研究领域为人工智能、机器学习与模式识别。在AAAI、CVPR、IJCAI、NIPS、SIGIR、TKDE等国际知名会议和期刊上发表学术论文20余篇,出版云计算相关的专著一部。现任《Frontiers of Computer Science》青年副编辑,担任TPAMI、TNNLS、TKDE、TPDS、TCSVT、中国科学、科学通报、软件学报等多个国际和国内知名期刊的特邀评审人,并担任ICML、IJCAI、SIGKDD等多个国际知名会议的程序委员或者评审人。目前主持一项国家自然科学青年基金和一项科技部863子课题,作为骨干成员参与一项科技部863重大项目。是教育部创新团队成员。
报告提要:
很多大数据应用场景中的数据都具有海量、高维等特性。数据的海量性将造成存储开销大、检索速度慢等问题,而数据的高维性将造成维度灾难问题,使得很多机器学习算法失效。哈希学习(learning to hash)通过机器学习算法将数据表示成二进制哈希码的形式,能大大减少数据的存储开销,提高检索速度,同时也能解决维度灾难问题,从而大大提高学习系统的性能。因此,哈希学习已经成为近几年大数据检索与挖掘中的一个研究热点。本报告将首先介绍哈希学习的应用背景与研究进展,然后详细讲解报告人自己最近的研究成果,最后对值得进一步探索的几个问题进行展望。
参加人员:IT领域专业人士、研究生、媒体、其他有兴趣者
报名联系:许信顺Email: xuxinshun@sdu.edu.cn 电话: 13969003221
李 新 Email:lx@sdu.edu.cn 电话:13853123559
请务必于11月28日前报名,以便会议安排。
会议住宿:山东省干部学院名仕轩酒店/山东大卫国际商务酒店
会议地点:济南市舜华路1500号 山东大学计算机科学与技术学院办公楼二楼会议室
会议地点
所有评论仅代表网友意见