报告题目：面向弱（无）监督学习任务的深度生成模型

报告人：景丽萍，北京交通大学教授

报告时间：2021年08月26日，15：00

腾讯会议号：492 146 504

报告摘要：近几年的深度生成模型方法尝试将概率推理的普遍性与深度学习的可扩展性相结合来开发应用于不同场景的深度学习算法。然而，面对样本标记不足甚至无标记信息场景，生成式模型的稳定性往往难以保证。本报告基于生成式模型构建理论，结合弱监督与无监督学习任务，介绍我们最近在不均衡分类学习和聚类学习场景下所提出的深度生成式模型。其中，深度生成式鲁棒不均衡分类模型利用模型扰动和数据扰动增强弱监督分类器的鲁棒性；层次化深度生成式聚类模型构建类别的生成过程提升无监督聚类的高效性，且自适应提取聚类数目。

报告人简介：景丽萍，博士，教授，博士生导师，北京交通大学计算机科学系系主任/卓越百人/优秀教师。中国计算机学会人工智能与模式识别专委会委员，中国人工智能学会机器学习专委会委员。2007年从香港大学应用数学系获博士学位。2014年破格晋升教授，2018年获得国家自然科学基金优秀青年基金。

主要研究方向为机器学习、高维数据表示及其在人工智能领域中的应用等。近年来在国内外重要学术期刊和会议上发表多篇高质量论文（包括顶级国际学术会议AAAI、ACL、IJCAI、WWW、CVPR、ACM MM以及IJCV、IEEE Trans.系列顶级期刊）。先后承担国家自然基金优青/面上项目、北京市自然基金重点研究专题等。"