返回首页

第27期CCF-AI走进高校@烟台大学报告会圆满收官

阅读量:0 2020-07-07 收藏本文

2020年7月4日,CCF人工智能与模式识别专委“第27期CCF-AI走进高校@烟台大学”(数据智能与学习)通过线上方式成功举办。本次研讨会以“数据智能与学习”为主题,紧扣国内外数据智能与学习热点、交流中国数据智能与学习的前沿理论和新兴技术,主要包括低质量数据分类回归学习,语义驱动多标签文本表示学习以及迁移强化学习的研究进展。本次会议有3个特邀报告,吸引了1万余名专业人士在线观看了直播。


会议伊始,烟台大学计算机与控制工程学院王莹洁副教授作为会议主持,介绍了本次会议的筹备情况。会议执行主席/烟台大学计算机与控制工程学院院长童向荣教授为大会致辞。童向荣教授对胡清华教授、景丽萍教授、章宗长副教授三位报告专家进行了感谢,对烟台大学计算机与控制工程学院进行了简短介绍,并欢迎大家参加明年由烟台大学承办的CCFAI2021,CCF-ICAI2021会议。三个报告的主持嘉宾分别是烟台大学计算机与控制工程学院的刘惊雷教授、张楠副教授和郑强副教授。


天津大学智能与计算学部副主任、天津市机器学习重点实验室主任胡清华教授在报告中指出,当前,智能系统在开放动态场景中的应用越来越普遍,智能系统从海量低质异构数据中学习可靠的分类回归模型的需求也越来越旺盛。在一些实际应用场景中,技术人员收集了大量的训练数据,但数据中存在大量无关冗余信息、属性噪声大、标记错误多等数据质量问题,从低质量数据中构建高质量模型成为当前研究的一个热点。胡清华教授从几个实际应用场景出发,解释了低质数据建模方法的重要性,并且根据一些具体的应用需求,给出了一系列的低质数据建模方法。

北京交通大学计算机科学系系主任景丽萍教授在报告中指出随着互联网以及自媒体技术的发展,多标签文本频繁呈现。相较于传统单标签文本,多标签文本包含更加复杂的语法和语义结构。如何有效提取文本中具有判别性的特征信息、如何深入挖掘标签相关性、如何提升多标签预测性能等成为多标签文本挖掘领域的研究难点。景丽萍教授主要结合研究团队最近在多标签文本表示学习、标签结构表示学习等方面的研究进展,阐述该领域的相关工作和最新成果。

南京大学人工智能学院章宗长副教授在报告中指出,迁移强化学习是近年来强化学习领域的研究热点。其核心思想是将迁移学习中的学习方式应用在强化学习的学习过程中,从而帮助强化学习在学习目标任务时,可以借鉴与其相似任务上的知识,以提高在目标任务上的学习效率。章宗长副教授介绍了团队近期在迁移强化学习方面做的三个工作。一是用于非稳态马尔科夫博弈任务的深度贝叶斯策略重用方法,其特点是结合基于深度神经网络表示的值函数近似,使用基于贝叶斯规则的对手建模来推断其他Agent的策略,并使用蒸馏策略网络来取得高效的在线策略学习和重用。二是基于策略重用思想的策略迁移框架,其特点是由Agent模块和Option模块构成:Option模块负责选择合适的源策略,Agent模块利用来自合适源策略的知识来直接优化目标策略。三是基于鲁棒环境推理的策略自适应方法,其特点是利用变分推理得到的环境特征知识来直接优化目标策略。