人工智能学院系列学术活动（第24场）—— 上海交通大学龙婷博士学术报告

报告题目：面向智慧教育的知识追踪报告摘要：在线教育以其不局限于时间地点的优势可以有效弥补传统教育在教育资源分布均衡，易受不可抗拒因素影响等局限。但为了能够像人类教师一样，为海量学习者提供个性化服务，进行因材施教，在线教育平台需要具备动态地追踪学习者学习状态的能力。知识追踪就是用来解决这一问题的，它根据学生过去答题表现预测学生答对题目的概率来评估学生对题目背后的知识点的掌握情况，进而为线上教育平...

人工智能学院系列学术活动（第23场）—— 斯坦福大学博士后研究员彭伟学术报告

报告题目：负曲率空间的神经网络：Hyperbolic Neural Networks报告摘要：在深度学习中，大部分的网络架构都是在欧式空间构造的，例如CNN和当前非常火热的Vision Transformer模型。然而，很多科学研究领域所处理的数据都具有非欧几何机构；甚至很多待处理的下游任务也体现出很强的非欧特性。显然，将非欧的数据和任务强制在欧式空间进行求解不是一个最优的方案。直接在非欧空间设计神经网络可以更好的应用非欧空间的优势。例如，...

人工智能学院系列学术活动（第22场）—— 剑桥大学&德国马克斯普朗克智能系统研究所刘威杨研究员学术报告

报告题目：基于球面均匀性的归纳偏置报告摘要：在机器学习中，归纳偏置（Inductive Bias）起着至关重要的作用，它决定着一个模型泛化性的强弱。在深度学习中，归纳偏置直接决定了一个过参数化神经网络的表现。那么，如何在模型中引入合适的归纳偏置呢？为解决该问题，本次报将会介绍一个新的正则化概念-- 球面均匀性（Hyperspherical Uniformity）。基于该概念，设计了多种能让神经网络保持良好泛化性的新训练方式，并在各类监...

吉林大学王湘浩人工智能杰出学者系列讲座—梅宏院士主题讲座

讲座题目：对信息技术热点及其变迁的若干认识和思考报 告 人：梅宏，中国科学院院士，发展中国家科学院院士，   欧洲科学院外籍院士，中国计算机学会理事长。主 持 人：张希校长讲座时间：2022年6月7日（星期二）   下午14:00-15:30（北京时间）讲座地址：腾讯会议 495-809-939讲座摘要：信息技术（IT）是一个快速发展的领域。新世纪以来，“概念创新”、“热词频出”已成为IT领域特点之一。报告简介了若干IT热点及其变迁，分析...

人工智能学院系列学术活动（第21场）—— 加拿大卡尔顿大学邬渊博士学术报告

报告题目：基于对抗训练的迁移学习报告摘要：在传统的监督式机器学习中，训练模型的精度高度依赖于大量的优质带标签数据。然而，在现实场景中，对大量数据进行精确的标记需要消耗大量的人力物力。为了应对标签危机，迁移学习算法应运而生。迁移学习算法能够从带标签数据集中学习到特征表达，并将该特征表达泛化到无标签的数据集中，实现知识的迁移。一般的迁移学习算法处理两个数据集：有标签的数据集被称为源域数据集，缺少标...

吉林大学王湘浩人工智能杰出学者系列讲座—加拿大皇家科学院裴健院士主题讲座

讲座题目：漫谈可信数据科学与人工智能报 告 人：裴健 教授、加拿大皇家科学院院士、加拿大工程院院士、ACM会士、IEEE会士讲座时间：2022年5月2日（星期一）上午10:00（北京时间）讲座地址：zoom会议号：865 3507 1109    密码：2022直播链接：https://www.koushare.com/lives/room/831868讲座摘要：数据科学与人工智能技术正在改变我们的世界。正因如此，在数据科学与人工智能研究和应用中，以人为本尤为重要。无论技术模型如...

人工智能学院系列学术活动（第20场）——美国弗吉尼亚大学电气与计算机工程系李骏东助理教授学术报告

题目：基于图的因果关系学习摘要：具备因果关系的学习能力被认为是人类智能的重要组成部分，是人工智能的基础。在因果关系学习中，一个基本的问题是理解特定操作（例如药物处方）对重要结果（例如治愈疾病）的因果影响，这对医疗保健、教育和电子商务等关键领域具有重大意义。解决该问题的一种普遍方法是直接使用观察数据。因为在许多情况下，替代的随机实验可能是昂贵的、耗时的，甚至是不道德的。然而，现有数据驱动的方法往...

人工智能学院系列学术活动（第19场）——美国密歇根州立大学李照剑助理教授学术报告

报告题目：Internet of Mobility: Cloud-Facilitated Privacy-Aware Collaborative Sensing and Control in Connected Mobility摘要:With the advent of 5G technology, there is a renewed interest in utilizing cloud computing to revolutionize mobility systems with big data and high-performance computing capabilities. Meanwhile, modern vehicles are equipped with advanced sensing and connectivity functional...

人工智能学院系列学术活动（第18场）——美国加州大学戴维斯分校计算机系张嘉洧助理教授学术报告

题目：图深度学习：图神经网络的研究与应用摘要：图神经网络是一种专门应用于图数据的深度模型。通常，图本身复杂的结构(各种类型的节点和链接)以及不同的属性(附加到节点和链接上)使得处理图数据非常具有挑战性。图神经网络已经被证明可以有效地捕捉图的结构和属性信息，而且学到的表征也可以在各种下游应用任务中获得良好的性能。在本讲座中，将介绍张嘉洧在图神经网络方面的最新研究工作，包括GResnet、DifNet、和Graph-Bert...

人工智能学院系列学术活动（第17场）——北卡罗来纳大学教堂山分校信息与图书馆科学学院王悦助理教授学术报告

题目：面向专业搜索任务的可解释信息检索模型摘要：在专业搜索任务中，如精准的医学文献搜索，一个查询往往涉及多个方面的信息。为了评估一个文献的相关性，搜索者必须不厌其烦地验证查询中的每一个方面，并遵循特定任务的逻辑来做出相关性的判断。在这种情况下，搜索者所做的相关性判断是解构化的，而不是传统的单变量（二元或分级）的相关性判断。理想情况下，搜索引擎应该可以支持搜索者的工作流程，并遵循同样的步骤来预测...