【IJCAI 2019 | tutorial】双重机器学习 Dual Learning for Machine Learning，微软 | Tao Qin

题目主题： Dual Learning for Machine Learning

简介：

许多AI任务以双重形式出现，例如英语法语翻译与法语英语翻译，语音识别与语音合成，问题解答与问题生成，图像分类与图像生成。虽然结构对偶性在AI中很常见，但大多数学习算法并未在学习/推理中利用它。双重学习是一种新的学习框架，它利用AI任务的原始-双重结构来获取有效的反馈或正则化信号，从而增强学习/推理过程。双重学习已在不同的学习环境中进行了研究，并应用于不同的应用程序。 在本教程中，我们将对双重学习进行介绍，它由三部分组成。在第一部分中，我们将介绍双重半监督学习，并展示如何有效地一起利用标记和未标记的数据。我们将从神经机器翻译开始，然后转移到其他应用程序。在第二部分中，我们介绍了双重无监督学习，其中的培训是完全无监督的。我们介绍了无监督机器翻译和无监督图像翻译。最后，我们介绍了双重监督学习及其以外的内容，其中包括双重监督学习，双重推理和双重对抗性学习。在本教程的最后，我们提出了双重学习的几个未来方向。

作者介绍：

Tao Qin博士是Microsoft Research Asia机器学习小组的高级首席研究经理。 他的研究兴趣包括机器学习（侧重于深度学习和强化学习），人工智能（对语言理解和计算机视觉的应用），游戏理论和多主体系统（对云计算，在线和移动广告的应用， 电子商务），信息检索和计算广告。 他拥有清华大学的博士学位和学士学位。 他是ACM和IEEE的高级会员，也是中国科学技术大学的兼职教授（博士生导师）。

大纲：

• 动机与介绍
• 双重半监督学习
• 双重无监督学习
• 双重监督学习
• 总结与展望