Speaker

孟德宇教授, 西安交通大学

　　Title

　　Time

　　Venue

N202

　　Abstract

传统机器学习主要关注于确定性信息的建模，而在复杂场景下，机器学习方法容易出现对数据噪音的鲁棒性问题，而该鲁棒性问题与误差函数的选择紧密相关。本次报告聚焦于如何针对包含复杂噪音数据进行误差建模的鲁棒机器学习原理。这一原理对在线视频处理、医学图像恢复等问题，已体现出个性化的应用优势，该原理亦有希望能够引导出更多有趣的机器学习相关应用与发现。   

　　Affiliation

 西安交通大学数学与统计学院副教授，博导。曾赴香港理工大学，Essex大学与卡内基梅隆大学进行学术访问与合作。共接收/发表论文50余篇，其中包括TPAMI, TIP, TKDE, TNNLS, TSMCB, PR等国际期刊与ICML, NIPS, CVPR, ICCV, ECCV, AAAI, ICJCAI, ACM MM等国际会议论文。担任ICML,NIPS等会议程序委员会委员,AAAI2016高级程序委员会委员。曾获陕西省青年科技奖，陕西省优秀博士论文奖，入选首批西安交通大学青年拔尖人才计划。目前主要聚焦于自步学习、误差建模、张量稀疏性等机器学习相关方向的研究。