2022年 5月18日學(xué)術(shù)報告

（澳大利亞悉尼大學(xué)人工智能中心主任劉同亮博士）

報告題目： An Introduction to Learning with Noisy Labels

報告時間： 2022年5月18日10:30

報告地點： 437bwin必贏國際官網(wǎng)八樓報告廳

報告人： 劉同亮博士

報告人國籍：澳大利亞

報告人單位：澳大利亞悉尼大學(xué)人工智能中心

報告人簡介：劉同亮博士現(xiàn)任澳大利亞悉尼大學(xué)人工智能中心主任。主要從事可信機(jī)器學(xué)習(xí)及其在交叉領(lǐng)域的研究工作，特別是標(biāo)簽含噪學(xué)習(xí)、對抗學(xué)習(xí)、遷移學(xué)習(xí)和統(tǒng)計深度學(xué)習(xí)理論。目前已經(jīng)在ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV, AAAI, IJCAI, KDD, IEEE T-PAMI, T-NNLS, T-IP等會議/期刊發(fā)表論文100余篇。擔(dān)任包括ICML, NeurIPS, ICLR, UAI, AAAI, IJCAI，KDD在內(nèi)的多個頂級會議的領(lǐng)域主席、TMLR和MLJ編輯。獲得澳大利亞研究委員會的優(yōu)秀青年科研獎、悉尼大學(xué)工學(xué)院青年教職杰出研究獎、澳大利亞工程和計算機(jī)科學(xué)領(lǐng)域早期成就者獎等。

報告摘要： Label noise is ubiquitous in the era of big data. Deep learning algorithms can easily overfit the noise and thus cannot generalize well without properly handling the noise. In this talk, we will introduce the typical approaches to deal with label noise, i.e., extracting confident examples (whose labels are likely to be correct) and modelling label noise. The former one helps get rid of the incorrect labels while the latter one helps build statistically consistent classifiers. We will illustrate the intuitions of the state-of-the-art methods. We hope that the participants will roughly know how to learn with noisy labels via the talk.

邀請人：437bwin必贏國際官網(wǎng)杜博院長