題 目：無限維理解下的深度學習理論與算法
内容簡介：現有深度學習方法大多通過有限維的方式來對數據表示、網絡架構等基本元素進行設計，然而，這些元素真正的内在表達卻應為無限維。采用簡化的有限維設計往往忽略算法各元素的本質無限維内涵，從而帶來算法理論探索及應用擴展的局限。針對這一問題，本報告将嘗試針對圖像無限維表達、卷積核無限維表達、梯度場無限維表達等問題展開讨論，分别介紹研究團隊在參數化卷積核，無限維神經表達，深度網絡的類量子不确定性原理等深度學習基礎理論與算法方面所作出的初步探索成果，并介紹基于其所延伸出一些典型示例應用。
報告人：孟德宇
報告人簡介：西安交通大學教授，博士生導師，任大數據算法與分析技術國家工程實驗室機器學習教研室負責人。發表論文百餘篇，其中IEEE彙刊論文60餘篇，計算機學會A類會議40篇，谷歌學術引用超過25000次。現任IEEE Trans. PAMI，Science China: Information Sciences等7個國内外期刊編委。目前主要研究聚焦于元學習、概率機器學習、可解釋性神經網絡等機器學習基礎研究問題。
時 間：2023年11月9日（周四）下午15：00 始
地 點：騰訊會議：886-787-886
熱烈歡迎廣大師生參加!
太阳集团1088vip
2023年11月7日
