大讲堂 | 基于关系的深度学习（Relation-based Deep Learning）

分享主题

基于关系的深度学习（Relation-based Deep Learning）

分享背景

作为当下最受欢迎的机器学习方法之一，深度神经网络在很多领域取得了非凡的成绩。但是目前的深度神经网络模型依旧存在很多局限性，例如无法自动地设计网络结构、无法有效地降低网络中的参数冗余度、很难处理嵌入在非欧几里得空间的数据和无标签的数据等等。

分享嘉宾

常建龙

常建龙，中科院自动化所在读博士。在2015年获得电子科技大学数学与应用数学专业理学学位，之后在中科院自动化所模式识别国家重点实验室攻读博士学位，主要研究方向为基于关系的深度学习，包括自动机器学习、网络压缩、深度图网络、深度无监督学习等等。目前已在IEEE T-PAMI（2篇）, NeurIPS和ICCV (Oral) 等机器学习与计算机视觉顶级期刊和会议发表学术论文。

分享提纲

为了解决以上问题，我们通过建模深度神经网络中变量之间的关系来解决以上问题并提升深度神经网络的性能。

（1）通过考虑样本于样本之间的关系来聚类无标签数据

（2）通过考虑特征与特征之间的关系来处理非欧式空间中的数据

（3）通过考虑神经网络中层与层之间的关系来自动学习网络结构

分享时间

（北京时间） 06 月 14 日（星期五） 晚上 20:00

扫码加入小组，直播回放都不错过，还能向讲师提问，与组员交流。

直播 链接

http://www.mooc.ai/open/course/671

↘  扫码直达  ↙

  点击 阅读原文 ，直达 本期 大讲堂直播间