NeurIPS直播报名 | 压轴好戏! 上海交大THINK LAB来收官!

2020 年 12 月 3 日 将门创投


「NeurIPS 2020群星闪耀云际会·机构专场」 4天7场,谁来完成收官之讲?

北京时间12月13日(周日)晚20:00上海交通大学计算机科学与工程系博士生导师—严骏驰博士将携手团队小伙伴上海交通大学在读博士生—汪润中,与大家在云端相见,分享他们在NeurIPS 2020中的精彩工作。

压轴好戏、不容错过,活动详情及报名方式请往下滑~


点击查看往期预告:
第①弹:MIT HAN Lab专场
第②弹:北大相机智能实验室专场
第③弹:微软亚洲研究院·深度和强化学习组
第④弹:微软亚洲研究院·视觉计算组
第⑤弹:田渊栋团队专场
第⑥弹:佐治亚理工学院机器学习团队专场



一张图告诉你

活动信息

 

福利预告:入群可参与会议讨论,

获取直播地址、回放视频、课件,

还有不定期红包发放哦~

长按下图二维码即可报名



机构介绍

SJTU-ThinkLab (上海交通大学思维工场实验室),由严骏驰博士于2018年4月建立,旨在通过开发尖端技术,将数据驱动的方法与领域知识相交织,以更好地探索和应用。近年来,其研究主要聚焦在时序和结构化数据的机器学习,特别是组合优化问题的机器学习求解。

PS:现招聘组合优化、机器学习方向、立体视觉方向博士后,请感兴趣的小伙伴发送简历至邮箱:

yanjunchi@sjtu.edu.cn



嘉宾介绍

严 骏 驰

上海交通大学

计算机科学与工程系     

博士生导师


严骏驰博士,现任上海交通大学计算机科学与工程系研究员、博士生导师,毕业于上海交通大学信息与通信工程专业并获得博士学位,也是CCF优博和ACM中国优博提名奖的获得者。

严骏驰曾于IBM (北京、上海、纽约) 任职7年,也曾担任IBM中国研究院工业视觉首席科学家。近年来,他主要研究组合优化等问题的机器学习求解及其应用,发表CCFA类论文60余篇,授权美国发明专利20余项,现任中国图象图形学学会视觉大数据专委会副秘书长、ACM中国SIGMM执委、IEEE ACCESS编委。


汪 润 中

# 上海交通大学               

在读博士生


汪润中,上海交通大学在读博士生,深入研究机器学习、图论和组合优化,尤其是采用深度学习方法求解图匹配等组合优化问题,已发表TPAMI、NeurIPS、ICCV (Oral) 等人工智能顶会顶刊5篇。
个人主页:
http://runzhong.wang



NeurIPS 2020工作抢先看
多图协同匹配-聚类问题的渐进指派算法
以及无监督的图匹配学习

主讲人:汪润中

图匹配 (graph matching) 与图聚类 (graph clustering) 是机器学习、模式识别中具有广泛应用的两类组合优化问题,多图协同匹配-聚类 (multi-graph matching and clustering) 是一类更加具有挑战性的新问题。
这篇论文中,作者提出了一种渐进指派 (graduated assignment) 算法求解多图协同匹配-聚类问题,并且基于该算法提出了首个无监督学习的多图协同匹配-聚类方法。多图协同匹配-聚类是一类新颖但颇具挑战的问题,给定若干个分属不同类别的图结构,算法需要同时完成不同类别图的聚类、同类别图的匹配两项任务。
论文提出的无监督算法性能超越了传统的非学习算法,并且与监督学习的效果相当。 这是首次将深度学习算法应用到这个具有挑战的任务,同时也是首次提出了深度学习图匹配的无监督训练方法。


论文链接:

http://runzhong.wang/papers/neurips20.pdf



神经图匹配网络:
Lawler形二次指派问题的学习
以及在超图匹配、多图匹配的应用
主讲人:汪润中

在一般形式下,图匹配 (graph matching) 具有Lawler二次指派的问题形式,是一个典型的NP-难组合优化问题。传统算法通常聚焦于组合优化的高效求解,而新兴的深度学习算法通常聚焦于从真实数据中的特征提取,却没有显式地使用深度学习方法建模组合优化问题。
在这篇论文中,我们提出在伴随图 (association graph) 上采用图嵌入网络,将二次指派问题求解转化成伴随图上的节点分类问题。 这是首次采用深度学习方法直接求解二次指派问题形式。此外,我们还提出了学界首个深度学习求解超图匹配与多图匹配的算法。


论文链接:

https://arxiv.org/abs/1911.11308



你无法预见的是,有时候,

也许一场小小的交流,

可能会带来意想不到的改变。

扫描下方二维码或点击“阅读原”,

参与直播分享,让改变发生~

♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩
♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩
♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩
♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩ 



注意事项
1. 请保证所填信息的真实性和准确性,方便主办方进行审核;
2. 报名通过审核后将收到主办方的微信/邮件等通知,请保持手机和邮箱畅通;
3. 由于活动场次较多,主办方审核需要一定时间,请耐心等待~
4. 此报名表单仅指向“SJTU THINK LAB团队专场”,如希望报名其他专场活动,请点击下方图片,查看更多报名方式。
 

更多机构专场活动正在路上……


点击查看精彩预告视频
👇


关于TechBeat社区

TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。


我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。


期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!


更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区


扫二维码|关注我们

微信:thejiangmen

bp@thejiangmen.com


点击“❀在看”,让更多朋友们看到吧~


登录查看更多
0

相关内容

上海交通大学计算机科学与工程系长聘轨副教授(特别研究员、博士生导师),CCF优博、ACM中国优博提名。上海交通大学博士(在职委培)。2011年至2018年在IBM中国研究院任(主管)研究员,2013年在IBM美国沃森研究中心任访问研究员。于2017年起担任研究院工业视觉首席科学家,主导了华星光电等多家龙头企业的工业检测和预防性维护项目与产品的研发和落地。主要研究方向为机器学习与模式识别,特别是基于时序与结构视角的数据精细化建模。(曾)任期刊IEEE TNNLS,PRLetters责任客座编辑,IEEE ACCESS编委,中国图象图形学学会副秘书长、ACM SIGMM中国执委,复旦大学大数据学院校外研究生导师。
CMU博士论文:可微优化机器学习建模
专知会员服务
60+阅读 · 2019年10月26日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
61+阅读 · 2019年8月26日
专家报告|图像复原难?“自身”找原因!
中国图象图形学报
9+阅读 · 2020年7月5日
来了!CVPR2020竞赛经验分享会!
CVer
8+阅读 · 2020年7月2日
ADL108《知识图谱》开始报名了
中国计算机学会
14+阅读 · 2019年10月8日
【中科院计算所】图卷积神经网络及其应用
【好东西传送门日报】2019-05-11 星期六
好东西传送门
10+阅读 · 2019年5月11日
报名 | 清华大学“智慧医学影像论坛2018”
数据派THU
8+阅读 · 2018年6月27日
报名 | 知识图谱前沿技术课程(苏州大学站)
PaperWeekly
12+阅读 · 2017年11月27日
Arxiv
0+阅读 · 2021年2月10日
A Sketch-Based System for Semantic Parsing
Arxiv
4+阅读 · 2019年9月12日
Arxiv
6+阅读 · 2018年3月25日
Arxiv
6+阅读 · 2018年2月26日
VIP会员
相关VIP内容
CMU博士论文:可微优化机器学习建模
专知会员服务
60+阅读 · 2019年10月26日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
61+阅读 · 2019年8月26日
相关资讯
专家报告|图像复原难?“自身”找原因!
中国图象图形学报
9+阅读 · 2020年7月5日
来了!CVPR2020竞赛经验分享会!
CVer
8+阅读 · 2020年7月2日
ADL108《知识图谱》开始报名了
中国计算机学会
14+阅读 · 2019年10月8日
【中科院计算所】图卷积神经网络及其应用
【好东西传送门日报】2019-05-11 星期六
好东西传送门
10+阅读 · 2019年5月11日
报名 | 清华大学“智慧医学影像论坛2018”
数据派THU
8+阅读 · 2018年6月27日
报名 | 知识图谱前沿技术课程(苏州大学站)
PaperWeekly
12+阅读 · 2017年11月27日
Top
微信扫码咨询专知VIP会员