当前位置: 首页 - 科学研究 - 科研成果 - 正文

我院常毅教授指导的2019级硕士研究生刘芷宁同学的论文再次被CCFA类会议接收

发布时间:2020-09-26点击:


我院常毅教授指导的2019级硕士研究生刘芷宁同学的论文"MESA: Effective Ensemble Imbalanced Learning with Meta-sampler"被CCF-A类会议(NeurIPS 2020)接收。

360B8

刘芷宁本科就读于吉林大学唐敖庆理科试验班,从大学四年级起开始接受常毅老师与微软亚洲研究院的联合指导,2019年保送到我院继续攻读硕士,从事机器学习与数据挖掘领域的研究工作。本工作与新加坡国立大学Pengfei Wei博士、悉尼科技大学Jing Jiang博士、以及微软亚洲研究院Wei Cao、Jiang Bian博士合作完成。

NeurIPS,全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems),是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行,由NeurIPS基金会主办。NIPS是机器学习与泛人工智能领域的顶级会议。

论文介绍:

第一作者:刘芷宁

论文题目:MESA: Effective Ensemble Imbalanced Learning with Meta-sampler

会议名称:Thirty-fourth Conference on Neural Information Processing Systems (NeurIPS 2020)

会议类别:CCF A类会议

会议时间:Dec 6th-12th, Virtual-only Conference

论文概述:从类别不平衡的数据中学无偏模型是一个广泛存在且具有挑战性的问题。已有的方法通常基于直觉与一些启发式的假设来设计不平衡学习方法,如重采样与重加权机制。在遇到不符合其假设的复杂任务时,这些方法会遇到性能、实用性与计算效率上的问题。本文提出了一种结合元采样器的集成不平衡学习框架。相比人工设计的传统方法,该元采样器能在训练时直接从数据中学习最合适的采样策略,以优化最终的模型泛化性能。同时区别于流行的与深度神经网络共同优化的元学习方法,我们将模型训练与元训练过程解耦,使得该框架能够适用于多数现有的学习模型,如决策树、感知机、朴素贝叶斯等,且具有良好的跨任务迁移能力。

D259