"AI之夏"学术沙龙系列讲座第5讲:深度生成模型之原理与应用

1283 views

报告摘要

深度生成模型旨在建模输入数据的联合概率分布,为刻画数据内的不确定性和无监督学习提供了一种优雅、系统的解决方案。得益于其学习机制,深度生成模型天然适合密度估计、数据压缩、异常检测、数据合成与编辑和表示学习等任务,并被广泛地应用于视觉、文本、语音、跨模态、和科学数据上。本次报告将系统地阐述深度生成模型的基本原理,展示深度生成模型的典型应用,并介绍课题组在扩散概率模型等方向取得的一些进展。

主讲人信息

李崇轩

准聘助理教授
李崇轩,中国人民大学高瓴人工智能学院准聘助理教授,博导。李崇轩2014年本科毕业于清华大学交叉信息研究院,2019年博士毕业于清华大学计算机系。其研究方向为概率机器学习,特别是深度生成模型,近似推断算法和相关方法在半监督学习、持续学习等场景的应用。相关工作发表于机器学习领域重要国际会议和期刊 ICML,NeurIPS,ICLR,TPAMI等。代表性工作有:一致性理论下最优的半监督GAN 方法 Triple-GAN(NeurIPS 2017);扩散概率模型在最大似然意义下的最优方差估计Analytic-DPM(ICLR 2022)。李崇轩曾获机器学习领域重要国际会议ICLR 杰出论文奖,吴文俊人工智能自然科学奖一等奖 (排名5),中国计算机学会优秀博士论文和微软学者。李崇轩曾入选中国博士后创新人才支持计划,主持自然科学基金面上项目。