報告題目：神經網絡架構理論與應用的結合

報告時間：2023年5月24日10:00

報告地點：437bwin必贏國際官網B404

報告人：陳武陽

報告人國籍：中國

報告人單位：Simon Fraser University

報告人簡介：陳武陽博士將于2024年秋季加入Simon Fraser University計算機系擔任助理教授。2023-2024年，陳武陽博士將加入UC Berkeley統計系作為博士后。陳武陽本科畢業于中國科學技術大學，并于2023年獲得美國德州大學奧斯汀分校電子計算機工程系的博士學位。陳武陽博士的工作發表于各大頂會期刊 (NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV),他的研究成果在2022年被美國國家科學基金會 (National Science Foundation, NSF)的網站新聞報道。

報告摘要：深度神經網絡極大地推動了機器學習的成功。在過去的十年中，包括CNN,Transfomer在內的深層和有復雜連接的網絡架構不斷被設計出來，并在計算機視覺和自然語言等任務上得到廣泛和有效地應用。然而，隨著模型變得越來越大和復雜，深度學習的理論與應用之間的差距也在不斷擴大。這次報告將圍繞這一問題展開，試圖彌補這一差距。通過對神經網絡的訓練、復雜度、泛化性能的理論和實驗分析，我們可以為網絡架構的設計做準確和高效的指導：借助我們的理論指導，我們不需要訓練深度神經網絡就可以顯著加速網絡結構搜索。在沒有任何訓練(梯度下降)成本的情況下，我們的方法 (“TE-NAS”)在GPU上僅耗時4個小時就可以自動設計ImageNet數據集上新穎且準確的網絡架構。將來，我們將進一步利用深度學習理論對訓練神經網絡的數據和優化過程進行指導和預測。本報告也將簡單介紹Simon Fraser University和加拿大溫哥華。

報告結束后會分享在Simon Fraser University博士招生計劃。

報告題目：Responsible Machine Learning and Machine Learning for Science

報告時間：2023年5月24日上午11:00

報告地點：437bwin必贏國際官網B404 + 線上（#騰訊會議：764-785-967）

報告人：陳天龍

報告人國籍：中國

報告人單位：北卡羅來納大學教堂山分校

報告人簡介：陳天龍博士 (https://tianlong-chen.github.io/) 將于 2024 年秋季加入北卡羅來納大學教堂山分校計算機系擔任助理教授。在這之前 (2023 - 2024)，他會加入麻省理工和哈佛大學擔任博士后研究員。陳天龍博士分別于 2023 年和 2017 年獲得了德州大學奧斯汀分校電子&計算機工程的博士學位，和中國科學技術大學 (少年班學院) 的應用數學和計算機雙學士學位。他的主要研究方向是建立準確、可靠和高效的機器學習系統。他近期的研究方向主要聚焦于：(1) 重要的機器學習問題，包括稀疏神經網絡、魯棒性、可學習的優化算法、圖網絡和擴散模型；(2) 交叉學科的科學難題，比如生物工程、疫苗藥物研發和量子計算。陳天龍博士曾先后獲得了 Adobe 博士獎學金、IBM 博士獎學金、UT Austin 研究生院長獎學金和 LoG’22 最佳論文。陳天龍博士曾于各大頂會頂刊發表論文，包括 NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV, AAAI, TAPMI 等。

報告摘要：本報告分三部分：(一) 如何建立高效和可靠的機器學習系統；(二) 如何設計機器學習算法來解決科學問題，比如：藥物開發和量子計算；(三) 對北卡羅來納大學教堂山分校的簡單分享。報告結束后分享北卡羅來納大學教堂山分校的博士招生計劃。

邀請人：葉茫