独立同分布(iid,independently identically distribution)在概率统计理论中,指随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机变量是独立同分布。独立同分布最早应用于统计学,随着科学的发展,独立同分布已经应用数据挖掘,信号处理等不同的领域。

VIP内容

报告主题: Coupling Everything: A Universal Guideline for Building State-of-The-Art Recommender Systems

简介:

如今,人工智能(AI)的复兴引起了世界各地的广泛关注。特别是机器学习方法已经深入到几乎人工智能研究的所有领域,如自然语言处理(NLP),计算机视觉(CV)和规划。特别是推荐系统(RS),作为应用最广泛的人工智能系统之一,已经融入了我们日常生活的方方面面。在这个人工智能时代,最先进的机器学习方法,例如深度学习,已经成为建模高级RSs的主要选择。需要注意的是,不同的数据是RSs执行不同推荐任务的动力来源。

经典的RSs是建立在相关数据(如评分或内容)是独立同分布(IID)的假设上的,而IID存在许多问题,如冷启动和数据稀疏。因此,许多最先进的RSs都通过整合不同的信息来增强机器学习技术。本教程将分析高级推荐问题中的数据、挑战和业务需求,并从非独立同分布的角度介绍机器学习的最新进展,从而为下一代RSs建模。这包括总体的RS进化和推荐中的非独立同分布性,社会RS的高级机器学习,基于分组的RS,基于会话的RS,跨域RS,上下文感知RS,多模态RS,多标准RS,在用户、项目、上下文、模式和标准之间的模型各种耦合方面。

邀请嘉宾:

Liang Hu,澳大利亚悉尼科技大学高级分析研究所研究员。他的研究兴趣包括推荐系统、数据挖掘、机器学习、表示学习和一般人工智能。在推荐系统领域的顶级国际会议和期刊上发表了多篇论文,包括WWW、IJCAI、AAAI、ICDM、ICWS、TOIS、JWSR。他在顶级会议上发表过几篇教程,包括IJCAI、AAAI和PAKDD。

操龙兵教授中科院模式识别与智能系统博士,悉尼科技大学计算科学博士。先在中国任图书编辑、市场策略研究、商业智能公司首席技术官,后转至澳洲任讲师、高级讲师、副教授与教授(2009年)等至今。现任 澳大利亚悉尼科技大学工程与信息技术学院教授,是 悉尼科技大学高级分析研究所(Advanced Analytics Institute)的创所所长,中科院海外评审专家、中国科学技术大学与上海交通大学等高校的客座教授,被上海证券交易所多次聘为高级金融专家、深交所聘为博士后指导老师。IEEE数据科学与先进分析学任务组主席,IEEE行为、经济与社会文化计算任务组主席,ACM SIGKDD澳大利亚新西兰分会发起人与主席,澳洲资本市场联合研究中心(CMCRC)数据挖掘方向研究带头人, IEEE数据科学与先进分析学DSAA大会发起人。IEEE计算机分会,系统、人与控制分会以及计算智能分会高级会员,包括ACM Computing Surveys等多个学术刊物的编委与特刊编辑、International Journal of Data Science and Analytics创刊主编,IEEE Intelligent Systems副主编;KDD2015, DSAA2015, PAKDD2013与ADMA2013大会主席,IJCAI、ICDM、PAKDD与DSAA等程序委员会主席、副主席/领域主席等,包括KDD、IJCAI、AAAI与AAMAS等在内的100多个国际会议的SPC/PC委员。专著4部、编著4部、论文集15部、期刊与会议论文300多篇。

成为VIP会员查看完整内容
0
14
父主题
Top