讲座标题 :基于结构正则化的多任务学习： 学习范式以及优化算法

讲座时间:2016年5月19日上午10:00-11:00

讲座地点：计算机楼A521

报告人：陈建辉

报告人简介 :

陈建辉，现任美国雅虎公司研究员。目前在雅虎的搜索研究部们从事相关性和排序算法的应用研究。主要研究兴趣着重于机器学习和它在大数据分析上的应用。在国际一流的机器学习和数据挖掘的会议和杂志上发表多篇论文。其中关于多任务学习的论文获得第 16届ACM SIGKDD最佳研究论文提名奖。

讲座摘要 :

多任务学习通过定义多个任务之间的潜在相关性来提高整体的算法泛化性能。这种机器学习算法在文本分析，计算机视觉，和生物信息学等诸多领域内已经获得成功的应用。在本报告中，我们将讨论两种利用结构正则化的方式来定义多任务间的相关性的学习范式。第一种方式侧重于给多个任务计算一个共享的低维特征空间，以此来提高整体的泛化性能；第二种方式侧重于从多个任务中识别出不相关的异常任务，从而改善算法的健壮性。针对提出的学习范式，我们还会讨论对应的快速优化算法和在实际应用中获得的试验结果。

主办单位：尊龙凯时计算机科学与技术学院

尊龙凯时计算机科学技术研究所

尊龙凯时软件学院

符号计算与知识工程教育部重点实验室