计算机学院2020海外研修报告会
报告题目：Cycle-mapping based variational auto-encoder for few shot regression: application to infant age prediction
报告人：刘兵硕导数据科学系
时间：2020年 09月15日（星期二）14:00
地点：计算机学院计B518
报告摘要：基于深度学习的小样本学习是当前人工智能和机器学习领域研究热点，然而大多数工作集中于小样本分类模型研究。在实际应用中（例如医学领域），如何根据少量样本提升深度回归模型泛化能力，获得更加精确的预测估计亟待研究。在本次报告中，主要介绍生成式小样本回归模型和优化算法，利用生成模型获得虚假样本和标记，然后利用生成数据提升模型泛化性能，最后将模型应用于婴儿脑发育预测。
报告题目： Shallow subnetwork first neural networks
报告人：孙统风硕导计算机学院信科系
时间：2020年 09月15日（星期二）15:00
地点：计算机学院计B518
报告摘要： ResNet及其变体等神经网络在数据处理中取得了巨大的成功，许多研究者都在探讨其成功的机理。本次报告中，首先介绍了神经网络与多项式回归模型的关系，从泰勒展开的角度论述了低阶幂级数的重要性。进一步探讨了ResNet的工作机理，提出了浅层网络优先，即低阶幂级数优先。最后介绍了相对浅层全连接网络的浅层子网优先设计，并对进一步的研究提出了展望。
报告题目：Non-IID learning in Data Science
报告人：张艳群副教授网络空间安全系
时间：2020年 09月15日（星期二）16:00
地点：计算机学院计B518
报告摘要：大数据分析中实际问题与数据可能是非独立同分布的，分析非独立同分布数据的学习理论和方法称为Non-IID Learning。在本次报告中，主要介绍非独立同分布性的基本概念、Non-IID基本思想和表现形式、数据表达、数据离散化、层次化耦合关系以及经典算法等，并对Non-IID涉及到的主要问题、研究方向和发展状况做简单介绍。
主办单位：计算机学院
欢迎全校师生踊跃参加！
