報(bào)告題目：神經(jīng)網(wǎng)絡(luò)架構(gòu)理論與應(yīng)用的結(jié)合
報(bào)告時(shí)間：2023年5月24日10:00
報(bào)告地點(diǎn)：437bwin必贏國(guó)際官網(wǎng)B404
報(bào)告人：陳武陽(yáng)
報(bào)告人國(guó)籍：中國(guó)
報(bào)告人單位：Simon Fraser University
報(bào)告人簡(jiǎn)介：陳武陽(yáng)博士將于2024年秋季加入Simon Fraser University計(jì)算機(jī)系擔(dān)任助理教授。2023-2024年，陳武陽(yáng)博士將加入U(xiǎn)C Berkeley統(tǒng)計(jì)系作為博士后。陳武陽(yáng)本科畢業(yè)于中國(guó)科學(xué)技術(shù)大學(xué)，并于2023年獲得美國(guó)德州大學(xué)奧斯汀分校電子計(jì)算機(jī)工程系的博士學(xué)位。陳武陽(yáng)博士的工作發(fā)表于各大頂會(huì)期刊 (NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV),他的研究成果在2022年被美國(guó)國(guó)家科學(xué)基金會(huì) (National Science Foundation, NSF)的網(wǎng)站新聞報(bào)道。
報(bào)告摘要：深度神經(jīng)網(wǎng)絡(luò)極大地推動(dòng)了機(jī)器學(xué)習(xí)的成功。在過(guò)去的十年中，包括CNN,Transfomer在內(nèi)的深層和有復(fù)雜連接的網(wǎng)絡(luò)架構(gòu)不斷被設(shè)計(jì)出來(lái)，并在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言等任務(wù)上得到廣泛和有效地應(yīng)用。然而，隨著模型變得越來(lái)越大和復(fù)雜，深度學(xué)習(xí)的理論與應(yīng)用之間的差距也在不斷擴(kuò)大。這次報(bào)告將圍繞這一問(wèn)題展開(kāi)，試圖彌補(bǔ)這一差距。通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、復(fù)雜度、泛化性能的理論和實(shí)驗(yàn)分析，我們可以為網(wǎng)絡(luò)架構(gòu)的設(shè)計(jì)做準(zhǔn)確和高效的指導(dǎo)：借助我們的理論指導(dǎo)，我們不需要訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)就可以顯著加速網(wǎng)絡(luò)結(jié)構(gòu)搜索。在沒(méi)有任何訓(xùn)練(梯度下降)成本的情況下，我們的方法 (“TE-NAS”)在GPU上僅耗時(shí)4個(gè)小時(shí)就可以自動(dòng)設(shè)計(jì)ImageNet數(shù)據(jù)集上新穎且準(zhǔn)確的網(wǎng)絡(luò)架構(gòu)。將來(lái)，我們將進(jìn)一步利用深度學(xué)習(xí)理論對(duì)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)和優(yōu)化過(guò)程進(jìn)行指導(dǎo)和預(yù)測(cè)。本報(bào)告也將簡(jiǎn)單介紹Simon Fraser University和加拿大溫哥華。
報(bào)告結(jié)束后會(huì)分享在Simon Fraser University博士招生計(jì)劃。
報(bào)告題目：Responsible Machine Learning and Machine Learning for Science
報(bào)告時(shí)間：2023年5月24日上午11:00
報(bào)告地點(diǎn)：437bwin必贏國(guó)際官網(wǎng)B404 + 線上（#騰訊會(huì)議：764-785-967）
報(bào)告人：陳天龍
報(bào)告人國(guó)籍：中國(guó)
報(bào)告人單位：北卡羅來(lái)納大學(xué)教堂山分校
報(bào)告人簡(jiǎn)介：陳天龍博士 (https://tianlong-chen.github.io/) 將于 2024 年秋季加入北卡羅來(lái)納大學(xué)教堂山分校計(jì)算機(jī)系擔(dān)任助理教授。在這之前 (2023 - 2024)，他會(huì)加入麻省理工和哈佛大學(xué)擔(dān)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(xué)奧斯汀分校電子&計(jì)算機(jī)工程的博士學(xué)位，和中國(guó)科學(xué)技術(shù)大學(xué) (少年班學(xué)院) 的應(yīng)用數(shù)學(xué)和計(jì)算機(jī)雙學(xué)士學(xué)位。他的主要研究方向是建立準(zhǔn)確、可靠和高效的機(jī)器學(xué)習(xí)系統(tǒng)。他近期的研究方向主要聚焦于：(1) 重要的機(jī)器學(xué)習(xí)問(wèn)題，包括稀疏神經(jīng)網(wǎng)絡(luò)、魯棒性、可學(xué)習(xí)的優(yōu)化算法、圖網(wǎng)絡(luò)和擴(kuò)散模型；(2) 交叉學(xué)科的科學(xué)難題，比如生物工程、疫苗藥物研發(fā)和量子計(jì)算。陳天龍博士曾先后獲得了 Adobe 博士獎(jiǎng)學(xué)金、IBM 博士獎(jiǎng)學(xué)金、UT Austin 研究生院長(zhǎng)獎(jiǎng)學(xué)金和 LoG’22 最佳論文。陳天龍博士曾于各大頂會(huì)頂刊發(fā)表論文，包括 NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV, AAAI, TAPMI 等。
報(bào)告摘要：本報(bào)告分三部分：(一) 如何建立高效和可靠的機(jī)器學(xué)習(xí)系統(tǒng)；(二) 如何設(shè)計(jì)機(jī)器學(xué)習(xí)算法來(lái)解決科學(xué)問(wèn)題，比如：藥物開(kāi)發(fā)和量子計(jì)算；(三) 對(duì)北卡羅來(lái)納大學(xué)教堂山分校的簡(jiǎn)單分享。報(bào)告結(jié)束后分享北卡羅來(lái)納大學(xué)教堂山分校的博士招生計(jì)劃。
邀請(qǐng)人：葉茫
