2012年6月8日，CCF YOCSEF深圳分论坛、清华大学深圳研究院共同主办的“面向无监督领域自适应的统计学习”学术报告会在清华大学深圳研究生院成功举行。本次会议由深圳分论坛 AC委员袁春、深圳分论坛主席王轩担任执行主席。来自清华大学深圳研究生院、北京大学深圳研究生院、哈尔滨工业大学深圳研究生院等院校及深圳多间公司研究人员20余人出席了本次报告会。本次报告会的特邀讲者是美国南加州大学计算机科学学院沙飞博士。
沙飞博士在报告中首先探讨了经常困扰统计学习方法的训练数据和测试数据分布不一致的问题。统计学习算法通常假设训练数据和测试数据具有相同的（未知）分布。虽然这种假设有利于严格的理论分析和实证比较，但是实际问题往往不能满足这种假设，实际的测试数据的分布常常会偏离训练模型所使用的训练数据的分布，导致统计学习的效果受到很大影响。沙飞博士随后详细介绍了针对这一问题提出的领域自适应技术，通过对在源领域数据上训练得到的模型进行自适应，使得该模型能在目标测试领域的数据上取得更好的性能。在介绍了在此领域的最新理论研究进展之后，沙博士还讨论了领域自适应技术在一系列实用系统中的应用效果。
沙飞博士的报告深入浅出，在介绍了理论研究进展的同时，还介绍了这些理论成果在实际中的应用，令报告会听众们受益匪浅。
沙飞博士报告中
沙飞博士报告中
与会人员会后合影
（袁春供稿）
京公网安备 11010802032778号
所有评论仅代表网友意见