本站大事记   |  收藏本站
高级检索  全文检索  
当前位置:   本站首页   >   讲座预告   >   正文

Learning Deep Neural Networks for Hard Natural Language Problems

发布日期:2020-01-03     作者:人工智能学院      编辑:梁诗晨     点击:

报告题目:Learning Deep Neural Networks for Hard Natural Language Problems

报告摘要:Deep learning has revolutionized the way that many tasks are tackled in Natural Language Processing. The talk will cover some recent advances in deep learning for NLP, including embeddings, encoder-decoder architecture, attentions and language modelling. Then, I will introduce some of the research work in Monash NLP Group, which focuses on learning deep neural models for real world NLP problems. Some future NLP research directions will be mentioned in the end.

报告人介绍:刘铭,澳大利亚蒙纳士大学人工智能与数据科学系讲师,2019年博士毕业于蒙纳士大学。刘铭博士的主要研究方向有自然语言处理、深度学习、医疗数据分析、主动学习和弱监督学习。目前负责蒙纳士大学应用数据分析,数据挖掘以及自然语言处理的教学工作。 目前,其主要承担项目有墨尔本Alfred医院项目“Artificial Intelligence Automatic Fungal Disease Surveillance”,中国图书进出口总公司项目“科技文章及图书的自动摘要技术研究”。刘铭博士同时也担任ACL、EMNLP等自然语言处理领域会议审稿人。

报告时间:2020年1月6日 星期一 10:00am

报告地点:人工智能学院(中心校区行政楼601)

主办单位:人工智能学院

报告题目:基于认知的机器学习公理化

报告内容:在大数据时代,因应用需求的驱动,大量新机器学习方法不断产生。这些新算法理论依据各异,彼此之间的关系极其复杂,对学习算法的使用者要求极高。但是,儿童的学习能力虽高,却不能掌握现今机器学习的理论。是否能够提出一套符合人类认知的机器学习理论,是当前一个亟待解决的问题。本次报告试图提出一个统一基于认知的机器学习公理化框架,其基本假设是:归哪类,像哪类;像哪类,归哪类。该机器学习理论可以推演出归类方法的三条设计原则,以统一的方式重新解释了数据降维、密度估计、回归,聚类和分类等问题,而且与日常生活中的认知原则一致。

报告人介绍:于剑,现任北京交通大学人工智能研究院常务副院长,二级教授,交通数据分析与挖掘北京市重点实验室主任,中国计算机学会人工智能与模式识别专业委员会第九届主任(2020-2023),CAAI副秘书长兼常务理事,CAAI机器学习专业委员会副主任。著有学术专著《机器学习:从公理到算法》,是CAAI组织编写教材《人工智能导论》的执行主编。

报告时间:2020年1月10日 星期五 10:00am

报告地点:人工智能学院(中心校区行政楼601)

主办单位:人工智能学院

我要评论:
 匿名发布 验证码 看不清楚,换张图片
0条评论    共1页   当前第1

相关文章

  • 读取内容中,请等待...

地址:吉林省长春市前进大街2699号
E-mail:jluxinmeiti@163.com
Copyright©2012 All rights reserved.
吉林大学党委宣传部 版权所有

手机版