面向分布外泛化的穩(wěn)定學(xué)習(xí)和NICO Challenge
時 間：2022年7月5日（周二）下午14:00
地 點：計算所四層446
報告人：崔鵬副教授 清華大學(xué)
摘要：
主流機(jī)器學(xué)習(xí)模型的基本假設(shè)是訓(xùn)練和測試數(shù)據(jù)的獨(dú)立同分布（IID），導(dǎo)致其缺乏對分布外數(shù)據(jù)的泛化能力（Out-Of-Distribution Generalization），使得當(dāng)前模型在真實、開放場景下的預(yù)測性能無法保證，是當(dāng)前機(jī)器學(xué)習(xí)研究的公認(rèn)重要難題之一。本報告將重點介紹面向分布外泛化的穩(wěn)定學(xué)習(xí)最新研究進(jìn)展，并針對首屆分布外泛化圖像分類挑戰(zhàn)賽NICO Challenge進(jìn)行全面介紹和技術(shù)分析。
報告人簡介：
崔鵬，清華大學(xué)計算機(jī)系長聘副教授，博士生導(dǎo)師。研究興趣聚焦于大數(shù)據(jù)驅(qū)動的因果推理和穩(wěn)定預(yù)測、大規(guī)模網(wǎng)絡(luò)表征學(xué)習(xí)等。在數(shù)據(jù)挖掘及人工智能領(lǐng)域的頂級國際會議發(fā)表論文100余篇，先后5次獲得頂級國際會議或期刊論文獎，并先后兩次入選數(shù)據(jù)挖掘領(lǐng)域頂級國際會議KDD最佳論文?？?dān)任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等國際頂級期刊編委，ICML、NeurIPS、KDD、AAAI、UAI等頂級國際會議Area Chair。曾獲得國家自然科學(xué)二等獎、教育部自然科學(xué)一等獎、電子學(xué)會自然科學(xué)一等獎、北京市科技進(jìn)步一等獎、CCF青年科學(xué)家獎、ACM杰出科學(xué)家。