【18-36期VALSE在线学术报告通知及参与方式】

会员服务 ·

【18-36期VALSE在线学术报告通知及参与方式】

2018 年 12 月 6 日 VALSE

报告嘉宾：宫辰（南京理工大学）

报告时间：2018年12月12日（星期三）晚上20:00（北京时间）

报告题目：Teaching-to-Learn and Learning-to-Teach: Framework, Algorithm, and Application

主持人：张利军（南京大学）

报告人简介：

宫辰现任南京理工大学计算机科学与工程学院青年教授。于2016年获得上海交通大学和悉尼科技大学双博士学位，研究方向主要包括机器学习、数据挖掘及基于学习的计算机视觉问题。已在权威期刊或会议上发表40余篇学术论文，主要包括IEEE T-NNLS, IEEE T-IP, IEEE T-CYB, CVPR, AAAI, IJCAI, ICDM等。有5项发明专利获得授权，其中3项为第一完成人。目前担任AIJ、IEEE T-NNLS、IEEE T-IP、IEEE T-KDE等20余家国际期刊审稿人，并受邀担任IJCAI、AAAI、ICDM、AISTATS等多个国际会议的PC member。曾获中国留学基金委“优秀自费留学生”奖学金、上海交通大学“优秀博士学位论文”奖、中国人工智能学会“优秀博士学位论文”奖、江苏省“六大人才高峰”项目资助、中国科协“青年人才托举工程”等。

个人主页：

http://www.escience.cn/people/chengong/index.html

报告摘要：

目前，machine learning是人工智能领域非常火热的研究方向，并在图像、视频、语音、文本等信号的处理和分析中发挥着十分重要的作用。然而，作为一个完整的学习系统，关于machine teaching的研究一直未受到广泛的关注。本报告从人类的认知过程出发，阐述machine teaching对提升学习效果的重要性，回顾已有的machine teaching算法，探讨teaching和learning的合作机制。具体地，我们通过引入“老师”和“学生”的概念，搭建了基于图模型的闭环机器学习系统“Teaching-to-Learn and Learning-to-Teach”（TLLT），从而使老师和学生产生有效的互动，以达到“教学相长”的目的。TLLT的基本框架可以被拓展以适用于多模态学习、多标签学习、集成学习等，并且可以被应用于视觉显著性检测等实际问题。

参考文献：

[1] Label Propagation via Teaching-to-Learn and Learning-to-Teach， Chen Gong, Dacheng Tao, Wei Liu, Liu Liu, Jie Yang，IEEE T-NNLS, 2017.

[2] Multi-modal Curriculum Learning for Semi-supervised Image Classification，Chen Gong, Dacheng Tao, Stephen Maybank, Wei Liu, Guoliang Kang, Jie Yang， IEEE T-IP, 2016.

[3] Ensemble Teaching for Hybrid Label Propagation, Chen Gong, Dacheng Tao, Xiaojun Chang, Jian Yang, IEEE T-CYB, 2017.

[4] Saliency Propagation From Simple To Difficult, Chen Gong, Dacheng Tao, Wei Liu, S.J. Maybank, Meng Fang, Keren Fu, Jie Yang, CVPR 15.

18-36期VALSE在线学术报告参与方式：

长按或扫描下方二维码，关注“VALSE”微信公众号（valse_wechat），后台回复“36期”，获取直播地址。