“AI之夏”学术沙龙系列讲座第8讲 | 多视角安全聚类：由简入繁

1218 views

报告摘要

为了从大量无标注数据中挖掘有用信息，无监督学习被提出，近两年受到学术界广泛关注。多视角聚类是当前流行的一类无监督学习方法，可以从多个角度挖掘无标注数据的有用信息。已有多视角方法一般只关注“提上限”，即试图挖掘不同视图的互补语义信息，提升模型准确率。然而现实中，各视图可能存在缺失、噪声等，各视图可能存在大量语义不一致性，导致多视角模型性能甚至还不如单视角，这在现实应用场景中是不可接受的。本次报告从"保底线"角度探究多视角学习，提出一类全新的“安全”多视角学习算法，可保证所提多视角模型至少不比单视角差、基于填充的缺失多视角模型至少不比只在全数据下的多视角模型差。

主讲人信息

刘勇

准聘副教授
中国人民大学高瓴人工智能学院准聘副教授、博士生导师。博士毕业于天津大学。从事机器学习研究，特别关注大规模机器学习、自动机器学习、统计机器学习理论等。在顶级期刊和会议上发表论文40余篇，其中以第一作者或通讯作者发表CCF A类文章30余篇，涵盖机器学习领域顶级期刊TPAMI、TIP、TNNLS、TCBY和ICML、NeurIPS、ICLR、IJCAI、AAAI机器学习5大顶级会议。曾获得中国科学院“青年创新促进会”会员（院人才）以及中国科学院信息工程研究所“引进优秀人才”称号。担任国际顶级会议IJCAI高级程序委员，NeurIPS、ICML、AAAI、ECAI等程序委员。主持多项科研基金项目，包括国家自然科学基金青年基金、面上项目、中国科学院基础前沿科学研究计划、腾讯犀牛鸟基金、联通联合项目、华为联合项目等。