报告题目：迁移学习与领域自适应算法
报告人：张磊研究员 博士生导师 重庆大学微电子与通信工程学院
报告时间：2018年11月20日15:00
报告地点：学院报告厅（望江校区基础教学大楼B302）
报告内容：
机器学习在人工智能研究和应用中起着至关重要的作用。然而，建立有效的机器学习模型需要大量标记的训练数据，而特定目标领域的数据标记过程需要耗费大量的人力物力，且十分耗时。因此，通过利用相关的且已标记的源域数据辅助模型的训练和学习，用于标记样本稀缺或完全无标记的弱标记目标域数据的精确识别已成为主流。随着大数据的爆炸式增长，数据的异质性日益突出。随之而来的问题是多域数据的独立同分布（i.i.d.）假设不成立，从而导致传统的机器学习性能下降或失效。近年来，用于解决标记数据稀缺和域间分布差异化问题的迁移学习（TL）和领域自适应（DA）作为典型的弱监督学习范式受到了极大的关注，并在很多智能化应用中包括图像识别、人脸识别、自然语言处理、遥感数据分析、医学图像分析、虚拟现实等领域取得了巨大的成功。本报告中，将介绍迁移学习/领域自适应的概念基础和过去10年来最新研究进展。此外，将介绍我们近年来在TL / DA方面的研究工作，包括分类器自适应模型，子空间重建迁移学习，流形准则迁移模型，自我对抗迁移网络。最后，将简要介绍我们提出的一种新的学习范式，即引导式学习，并用于异构视觉识别和检索。
报告人简介：
张磊，重庆大学微电子与通信工程学院研究员，博士生导师，重庆市生物感知与智能信息处理重点实验室副主任，LiVE智能学习与视觉团队负责人（www.leizhang.tk），CCF计算机视觉专委会委员，CAAI智能服务专委会委员，CSIG多媒体专委会委员，Valse执行领域主席委员会委员，IEEE Senior Member。2013年博士毕业于重庆大学，2013年6月至9月在清华大学（深圳）、哈尔滨工业大学（深圳）访问交流，2013年10月至2015年9月为香港理工大学计算机系博士后研究员，2017年12月至2018年5月为澳门大学计算机与信息科学系访问学者。主要聚焦于迁移学习、深度学习、跨领域视觉大数据建模与理解和机器嗅觉与味觉方面的智能理论与应用研究等，部分仿生技术和算法已产品化。主持国家自然科学基金（青年和面上）、重庆市人工智能重大专项、重庆市留学生创新创业支持计划等研究项目14项；目前已在IEEE TNNLS、TIP、TMM、TCYB、TIM、TSMCA、TCBB以及ICCV、ACM MM、AAAI、ACCV、IJCNN等会议上发表论文70余篇，中科院一区论文13篇，3篇论文入选ESI高被引论文，2篇入选ESI热点论文，出版英文专著1部，发明专利15项。谷歌学术他引800余次。曾担任WRJB期刊主编和JECE期刊首席客座编辑；担任20余个国际学术会议IEEE TENCON/ICONIP/SSCI/ICCT等会议的最佳论文奖评审主席、荣誉主席、分会主席、地区主席、特邀讲者；担任IEEE TIP/TNNLS/TIE/TCYB/TMM/TIM/TCSVT/TSMCA/TCAS/PR等50余个国际期刊审稿人。
欢迎广大师生踊跃参加！
外事科
2018年11月12日
学术讲坛