NSR专题|机器学习(特邀编辑:周志华)

2018 年 3 月 2 日 知社学术圈 国家科学评论

海归学者发起的公益学术平台

分享信息,整合资源

交流学术,偶尔风月

引   言

当前,人工智能热潮的核心驱动力是机器学习所取得的巨大进步。《国家科学评论》特邀南京大学周志华教授担任编辑组织了“Machine Learning”专题。该专题已于2018年第1期正式出版,所有文章可免费下载,敬请关注。

https://academic.oup.com/nsr/issue/5/1

该专题包括6篇文章和1个访谈,内容覆盖了机器学习中深度学习、多任务学习、弱监督学习、因果学习、图学习等多个重要研究方向。专题作者均为领域内知名专家,且在撰写过程中尽可能考虑到本刊读者的广泛性,很值得一读。


点击文末“阅读原文”或复制文中链接在浏览器打开可免费下载论文。


1.Guest Editorial


Machine learning: recent progress in China and beyond

Zhi-Hua Zhou

Natl Sci Rev (2018) 5 (1): 20.

https://doi.org/10.1093/nsr/nwx132


机器学习已成为人工智能发展的重要驱动力。机器学习的焦点是学习和构造能够从数据中建立预测或描述模型的学习算法。



专题封面


2.Research Highlight


Learning representations on graphs

Jun Zhu

Natl Sci Rev (2018) 5 (1): 21.

https://doi.org/10.1093/nsr/nwx147


清华大学朱军教授介绍了佐治亚理工学院宋乐教授在图数据表示学习方面的重要进展。


朱军


3.Perspectives


Model-driven deep-learning

Zongben Xu and Jian Sun

Natl Sci Rev (2018) 5 (1): 22–24.

https://doi.org/10.1093/nsr/nwx099


西安交通大学徐宗本教授和孙剑教授对有理论基础的深度神经网络结构设计进行了探讨。


徐宗本


孙剑



Deep learning for natural language processing: advantages and challenges

Hang Li

Natl Sci Rev (2018) 5 (1): 24–26.

https://doi.org/10.1093/nsr/nwx110


前华为诺亚方舟实验室主任、现今日头条人工智能实验室主任李航博士对深度学习在自然语言处理中的优势和挑战进行了讨论。


李航



Learning causality and causality-related learning: some recent progress

Kun Zhang, Bernhard Schölkopf, Peter Spirtes and Clark Glymour

Natl Sci Rev (2018) 5 (1): 26–29.

https://doi.org/10.1093/nsr/nwx137


卡内基梅隆大学张坤博士与欧洲机器学习代表性人物、德国马普研究所 Bernhard Schölkopf 教授等人介绍了因果学习方面的研究进展。


张坤


4.Reviews


An overview of multi-task learning

Yu Zhang and Qiang Yang

Natl Sci Rev (2018) 5 (1): 30–43.

https://doi.org/10.1093/nsr/nwx105


香港科技大学张宇博士和杨强教授综述了“多任务学习”的研究进展。

 

张宇


杨强


A brief introduction to weakly supervised learning

Zhi-Hua Zhou

Natl Sci Rev (2018) 5 (1): 44–53.

https://doi.org/10.1093/nsr/nwx106

 

本刊邀请周志华教授贡献了一篇关于“弱监督学习”的综述。


周志华


5.Interview


Machine learning challenges and impact: an interview with Thomas Dietterich

Zhi-Hua Zhou

Natl Sci Rev (2018) 5 (1): 54–58.

https://doi.org/10.1093/nsr/nwx045


国际机器学习学会创始人、国际人工智能学会前任主席 Thomas Dietterich 教授接受了本刊关于机器学习与人工智能的访谈。


Thomas Dietterich

扩展阅读

 

NSR观点| 学习因果关系和基于因果性的学习

NSR观点 | 深度学习与自然语言处理:优势和挑战

NSR观点 | 模型驱动的深度学习

媒体转载联系授权请看下方

登录查看更多
7

相关内容

周志华,男,分别于1996年6月、1998年6月和2000年12月于 南京大学计算机科学与技术系获学士、硕士和博士学位。2001年1月起留校任教,2002年破格晋升副教授,2003年获 国家杰出青年科学基金,随后被聘任为教授,2004年获博士生导师资格,2006年入选教育部长江学者特聘教授。现任南京大学 校学术委员会委员、计算机科学与技术系 主任、人工智能学院 院长、计算机软件新技术国家重点实验室 常务副主任、机器学习与数据挖掘研究所 (LAMDA) 所长。美国计算机学会(ACM)、美国科学促进会(AAAS)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE) 、中国计算机学会(CCF)、中国人工智能学会(CAAI) 等学会的会士 (Fellow),欧洲科学院 外籍院士。教育部高等学校计算机类专业教学指导委员会副主任、证监会科技监管专家咨询委员会委员、南京市政府人工智能产业顾问,江苏省政协十、十一、十二届委员,江苏省青联十一届副主席等。 https://cs.nju.edu.cn/zhouzh/
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
周志华《机器学习》西瓜书出全新视频课啦!
PaperWeekly
5+阅读 · 2019年6月15日
周志华的《机器学习》西瓜书出全新视频课啦!
数据分析
16+阅读 · 2019年6月10日
NSR专题 | 量子计算(特邀编辑:郭光灿、应明生)
知社学术圈
3+阅读 · 2019年3月9日
NSR观点| 学习因果关系和基于因果性的学习
知社学术圈
17+阅读 · 2018年1月7日
Logic Rules Powered Knowledge Graph Embedding
Arxiv
7+阅读 · 2019年3月9日
Neural Approaches to Conversational AI
Arxiv
8+阅读 · 2018年12月13日
Arxiv
22+阅读 · 2018年8月30日
VIP会员
相关VIP内容
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
Top
微信扫码咨询专知VIP会员