【FCS优秀青年计算机科学家论坛】李宇峰：安全半监督学习综述

点击上方蓝字

关注我们

      FCS“优秀青年计算机科学家论坛”于2019年启动，以尊重科学贡献、传播更多优秀成果为宗旨，取代之前的“优青论坛”。论坛文章的主要作者（第一作者或通讯作者）是十年内获得博士学位的年轻计算机科学家。作者们审视自己的研究领域，总结自己的研究方向，并介绍自己最近的研究进展。本论坛所有文章均为FCS编委会成员推荐的邀请稿。

       本期“优秀青年计算机科学家论坛”推出李宇峰老师团队的成果——安全半监督学习综述。

作者简介：李宇峰

  

     李宇峰，博士，副教授。主要研究领域为机器学习、数据挖掘。分别于2006年和2013年获得南京大学计算机科学与技术系学士学位和博士学位。2013年8月加入南京大学计算机科学与技术系、机器学习与数据挖掘研究所（LAMDA）从事教学与科研工作。他在顶级期刊和会议上发表了30多篇论文，如JMLR, TPAMI, AIJ, ICML, NIPS, AAAI等。担任人工智能领域国际顶级会议IJCAI’15/17/19，AAAI'19等资深程序委员，ACML18 Workshop Co-Chair等。曾获中国计算机学会优秀博士学位论文奖、江苏省优秀博士论文奖、微软研究生奖。

导

读

      半监督学习讨论如何从少数有标记的训练样本和大量无标记的训练样本中学习到预测模型。它具有广泛的应用场景，在过去几十年中引起了广泛的关注。然而，值得注意的是，尽管通过利用未标记的数据都期望提高学习性能，但近期实证研究表明，在某些情况下，使用未标记的数据可能会降低性能。因此，最好能够安全地利用未标记的数据。本文综述了安全半监督学习的最新研究进展，从“数据-模型-性能”三方面重点讨论：数据的质量，即训练数据有风险或质量低劣；模型的不确定性，即学习算法在训练过程中难处理不确定性；性能的多样性，即安全性能难适应多样化性能度量。最后，探讨了未来潜在的开放性挑战方向和问题。

文章精要

请长按下方二维码识别，阅读该文。

相关内容推荐：

CodeAttention:基于代码结构信息的代码注释自动生成 2019 13(3)：565-578 

基于非负局部约束词汇树的指静脉图像检索  2019 13(2)：318-332

基于标记分布学习的软视频行为解析  2019 13(2)：302-317

基于迁移的人工上采样方法解决小类样本有限的类别不平衡问题  

基于贝叶斯双神经网络的推荐算法

基于分布式表示学习的社区搜索算法 

随机局部搜索求解最大可满足性问题的经验研究 2019 13(1)：86-98

基于情感信息和神经网络模型的立场分析 2019 13(1)：127-138 

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号