欢迎访问江苏省数学学会
      设为首页  |  收藏本站
  当前位置:网站首页 > 学术交流 > 学术报告
学术交流

苏州大学 天元讲堂(05.18)徐宗本 :机器学习——从先验假设到学习自动化

时间:2024-05-17      来源:苏州大学数学科学学院      阅读:1023

报告人:徐宗本  院士(西安交通大学)

报告时间:2024年518日(周六)下午4:00-5:00

报告地点:数学楼一楼报告厅

报告摘要:机器学习是人工智能的最基础、最核心技术(算法),但机器学习的执行通常都是以一组基本的先验假设为前提的,这些基本假设包括: 假设空间的大容量假设、训练数据的完备性假设、损失度量的独立性假设、正则项的先验决定假设、分析框架的欧几里德假设等。一个机器学习算法的性能是由这些先验假设(要素选择)决定的。本报告分析这些假设的作用、局限及其影响,提出突破这些基本假设的系列途径与方法。每一情况下,我们举例说明新突破带来新价值。

       机器学习的当下应用还是“人工”的:人工标注数据、选择数据,人工搭建网络、选择算法,人工切换任务、适应环境;仍处于“选择”阶段,还没有达到“自主设计”“创新设计”水平。随着人工智能技术的发展,机器学习必须要从人工化,走向自动化,迈向自主化。在这样的AI发展大趋势下,让机器学会人类的学习方法论,或者更严格地说,学会模拟学习方法论(Simulate Learning MethodologySLeM)成为一种必需和趋势。本报告后一部分严格定义学习学习方法论问题,提出SLeM的双层优化模型和“超参数化”求解方法,建立SLeM的基本理论,并展示对多个机器学习自动化问题的成功应用。

报告人简介:

       徐宗本,中国科学院院士,数学家、信号与信息处理专家、西安交通大学教授。主要从事智能信息处理、机器学习、数据建模基础理论研究。曾提出稀疏信息处理的L(1/2)正则化理论,为稀疏微波成像提供了重要基础;发现并证明机器学习的“徐-罗奇”定理解决了神经网络与模拟演化计算中的一些困难问题,为非欧氏框架下机器学习与非线性分析提供了普遍的数量推演准则提出基于视觉认知的数据建模新原理与新方法,形成了聚类分析、判别分析、隐变量分析等系列数据挖掘核心算法并广泛应用于科学与工程领域。曾获国家自然科学二等奖、国家科技进步二等奖、陕西省最高科技奖国际IAITQM 理查德.普莱斯(Richard Price)数据科学奖中国陈嘉庚信息技术科学奖、华罗庚数学奖、苏步青应用数学奖;曾在2010年世界数学家大会上作45分钟特邀报告。曾任西安交通大学副校长。现任鹏城国家实验室广州基地/琶洲实验室(黄埔)、陕西国家应用数学中心主任、大数据算法与分析技术国家工程实验室主任。是国家大数据专家咨询委员会委员、国家新一代人工智能战略咨询委员会委员。




邀请人:曹永罗 教授


 
江苏省数学学会
版权所有:江苏省数学学会
联系地址:江苏省南京市鼓楼区汉口路22号南京大学西大楼124室
联系电话:025-85731859
备  案 号:苏ICP备11031096号 ©2006-2021 江苏省数学学会 All Rights Reserved
技术支持成旭通
总访问量:  181935  次  今日访问量:  707  次  当前在线:  11  人

微信公众号