数学系Seminar 第1758期 流式数据的鲁棒机器学习

创建时间:  2019/03/01  龚惠英   浏览次数:   返回

报告主题1:流式数据的鲁棒机器学习
报告时间:2019年3月7日(周四)14:00-15:00
报告主题2:梯度之谜
报告时间:2019年3月8日(周五)9:00-10:00
报告人:孟德宇   教授  (西安交通大学)
报告地点:校本部G507
邀请人:应时辉
主办部门:太阳成集团tyc33455数学系

报告1摘要:介绍误差建模方法用于流式数据的基本方法论及其相关的应用。

报告2摘要:机器学习的传统方法强调具有问题理解与理论基础的模型构建与算法设计,而现代机器学习更强调依赖于数据数量与质量的深度学习策略。两类方法从机理上通常认为存在显著的差异。本次报告将从梯度角度探讨两类方法论对于学习问题认识的本质一致性,并基于该理解尝试引导出一类新型的半监督/无监督深度学习方法,及其在图像去雨及低质量CT图像增强方面的应用。

 


欢迎教师、员工参加!

上一条:数学系Seminar第1760期 Heegaard splittings on 3-manifolds: a survey

下一条:数学系Seminar第1759期 Positive Scalar Curvature on Foliations


数学系Seminar 第1758期 流式数据的鲁棒机器学习

创建时间:  2019/03/01  龚惠英   浏览次数:   返回

报告主题1:流式数据的鲁棒机器学习
报告时间:2019年3月7日(周四)14:00-15:00
报告主题2:梯度之谜
报告时间:2019年3月8日(周五)9:00-10:00
报告人:孟德宇   教授  (西安交通大学)
报告地点:校本部G507
邀请人:应时辉
主办部门:太阳成集团tyc33455数学系

报告1摘要:介绍误差建模方法用于流式数据的基本方法论及其相关的应用。

报告2摘要:机器学习的传统方法强调具有问题理解与理论基础的模型构建与算法设计,而现代机器学习更强调依赖于数据数量与质量的深度学习策略。两类方法从机理上通常认为存在显著的差异。本次报告将从梯度角度探讨两类方法论对于学习问题认识的本质一致性,并基于该理解尝试引导出一类新型的半监督/无监督深度学习方法,及其在图像去雨及低质量CT图像增强方面的应用。

 


欢迎教师、员工参加!

上一条:数学系Seminar第1760期 Heegaard splittings on 3-manifolds: a survey

下一条:数学系Seminar第1759期 Positive Scalar Curvature on Foliations