【CCL 2019】特邀报告 数据高效性机器学习，郭毅可（英国皇家工程院院士、欧洲科学院院士）

报告主题： 数据高效性机器学习

报告摘要： 深度学习的最新进展已成功实现了医学图像分析（包括病变分割和分类）方面的最新技术。 但是，深度神经网络（DNN）需要大量带有高质量注释的训练数据，而这些注释在医学图像领域是不可用或昂贵的。 此外，黑匣子深度学习算法缺乏可解释性，并限制了它们在医学诊断中的应用。在本演讲中，将介绍我们的一系列研究，其中包括：1）一种数据有效方法，该方法将领域知识作为强大的先验知识整合到了病变分割任务的深度学习框架中。 2）为有效训练生成代表数据样本的增强策略，其中基于DNN的当前状态以主动方式扩展和更新训练数据集

邀请嘉宾： 英国皇家工程院院士、欧洲科学院院士、英国帝国理工大学教授、香港浸会大学副校长。帝国理工学院Data Mining Research Group及 Discovery Sciences Group的领导者，伦敦E-Science研究中心首席科学家，英国InforSense有限公司董事会主席兼首席执行官，上海生物信息技术研究中心客座教授兼首席科学家。郭教授在云计算、数据挖掘、生物信息学方面的研究处于全球领先位置。1985年本科毕业于清华大学计算机系，1986年硕士毕业于清华大学计算机系，1993年博士毕业于帝国理工大学计算机系，留校工作5 年后就取得了帝国理工计算机系教授的职位。郭毅可教授是清华大学计算机系IV-VENTURE客座教授，上海市首批千人计划入选者，也是中国计算机学会大数据专家委员会首批委员。