中文字幕精品一区二区精品_久久一二三区_亚洲韩日在线_日韩中文字幕视频

2020年11月7日下午，2020中國自動化大會專題論壇之“智能計算與機(jī)器學(xué)習(xí)”在上海國際會議中心成功召開。智能計算與機(jī)器學(xué)習(xí)是目前實現(xiàn)人工智能最主要的途徑和方式，也是人工智能中最具智能特征、最前沿的研究領(lǐng)域之一，是綜合自動化、計算機(jī)科學(xué)、數(shù)學(xué)、生物學(xué)、神經(jīng)科學(xué)等多學(xué)科的新興交叉領(lǐng)域。此次專題論壇面向未來通用人工智能發(fā)展的趨勢，展示智能計算與機(jī)器學(xué)習(xí)領(lǐng)域最新的研究成果，包括機(jī)器學(xué)習(xí)的公理化、頓悟的人工智能模型、面向開放環(huán)境的魯棒模式識別、非監(jiān)督增強(qiáng)匹配、遷移性對抗攻擊、標(biāo)記增強(qiáng)以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練等。

此次論壇由中國工程院王天然院士與清華大學(xué)周杰教授共同擔(dān)任論壇主席。論壇由周杰教授主持。

論壇主席王天然院士

論壇主席周杰教授

中國科學(xué)院自動化研究所劉成林研究員做了題為《面向開放環(huán)境的魯棒模式識別》的報告。劉成林研究員首先對該領(lǐng)域的相關(guān)工作做出了總體的介紹，然后介紹了深度學(xué)習(xí)在其中取得的豐碩成果，同時詳細(xì)分析了傳統(tǒng)模式識別分類器在開放集中學(xué)習(xí)效果不佳的原因。并由此提出了基于卷積原型學(xué)習(xí)的開放集分類方法，該方法使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征后，基于最近距離規(guī)則在特征空間對其分類。最后，劉成林研究員介紹了該方法在異常模式拒識以及小樣本學(xué)習(xí)模型泛化領(lǐng)域取得的最新進(jìn)展。

劉成林：面向開放環(huán)境的魯棒模式識別

清華大學(xué)張長水教授在報告《圖像的非監(jiān)督增強(qiáng)匹配》中介紹了關(guān)于圖像的非監(jiān)督增強(qiáng)匹配方法研究的有關(guān)進(jìn)展和一些思考。張教授首先說明當(dāng)前在使用深度神經(jīng)網(wǎng)絡(luò)識別圖像時，需要標(biāo)注大量圖像，而這需要耗費大量的人力和時間。對于這一問題，他給出的解決方案是：給定一些物體的標(biāo)準(zhǔn)圖像，對大量未標(biāo)注的圖像實現(xiàn)自動的圖像標(biāo)注。然后介紹了圖像非監(jiān)督增強(qiáng)匹配算法的一些研究進(jìn)展與相關(guān)結(jié)果。最后，張教授以文字識別和交通標(biāo)示識別問題為例，介紹了其課題組設(shè)計的新方法，實驗結(jié)果表明所提方法較好地完成了這些圖像的自動標(biāo)注。

張長水：圖像的非監(jiān)督增強(qiáng)匹配

北京大學(xué)林宙辰教授帶來報告：《Training Neural Networks by Lifted Proximal Operator Machines》。報告介紹了一種用于訓(xùn)練全連接前饋神經(jīng)網(wǎng)絡(luò)的Lifted Proximal Operator Machines(LPOM)方法。LPOM只使用激活函數(shù)本身，不需要梯度步驟，從而避免了基于梯度的方法中梯度消失或爆炸的問題。它還可以處理各種非遞減的Lipschitz連續(xù)激活函數(shù)。此外，LPOM的內(nèi)存效率幾乎與SGD一樣，而且它的參數(shù)調(diào)優(yōu)非常容易。報告中指出，林教授及其團(tuán)隊進(jìn)一步實現(xiàn)并分析了LPOM的并行解，同時驗證了LPOM在各種網(wǎng)絡(luò)架構(gòu)和數(shù)據(jù)集上的優(yōu)勢。最后林教授介紹了一些最新研究進(jìn)展和思考。

林宙辰：Training Neural Networks by Lifted Proximal Operator Machines

上海交通大學(xué)楊杰教授的報告《第一類對抗攻擊與注意力的攻擊機(jī)制研究》，從注意力攻擊的角度介紹了神經(jīng)網(wǎng)絡(luò)的第一類對抗攻擊問題。由于基于神經(jīng)網(wǎng)絡(luò)的人工智能技術(shù)逐步在社會中展開應(yīng)用，其安全性問題成為學(xué)者關(guān)注的重點。楊杰教授首先介紹了神經(jīng)網(wǎng)絡(luò)對抗攻擊的背景，并提出了利用對抗攻擊生成統(tǒng)計學(xué)第一類錯誤的方法。同時從注意力機(jī)制切入，結(jié)合其它遷移性增強(qiáng)方法，提出了一種具有高度遷移特性的神經(jīng)網(wǎng)絡(luò)攻擊方法。通過實驗結(jié)果表明，當(dāng)前的主流深度神經(jīng)網(wǎng)絡(luò)在不加以防御的情況下準(zhǔn)確率均無法達(dá)到實用要求。

楊杰：第一類對抗攻擊與注意力的攻擊機(jī)制研究

北京交通大學(xué)于劍教授做了題為《機(jī)器學(xué)習(xí)的公理化研究》的報告。盡管目前機(jī)器學(xué)習(xí)已在圖像識別、語音處理及工業(yè)系統(tǒng)領(lǐng)域取得了豐碩的成果，但在其中很難看到基礎(chǔ)學(xué)科（例如數(shù)學(xué)、物理學(xué)）那種貫穿始終的體系。于教授首先介紹了機(jī)器學(xué)習(xí)的國內(nèi)外教材與流派，從而引出了關(guān)于機(jī)器學(xué)習(xí)的公理化的思考。然后，類比人類與機(jī)器的學(xué)習(xí)，從認(rèn)知假設(shè)、類表示與類表示公理與歸類公理等方面介紹了機(jī)器學(xué)習(xí)的公理化的前沿進(jìn)展、主要技術(shù)進(jìn)展及發(fā)展趨勢。

于劍：機(jī)器學(xué)習(xí)的公理化研究

之后是東南大學(xué)耿新教授進(jìn)行報告，報告名為《“標(biāo)記增強(qiáng)”-釋放標(biāo)記空間的威力》。現(xiàn)有的大部分?jǐn)?shù)據(jù)集，示例的標(biāo)記均采用0/1標(biāo)記，即用0表示不相關(guān)，1表示相關(guān)。與之相異，現(xiàn)實世界中不存在如此清晰的分別，如何給予物體適合的標(biāo)簽成為提升機(jī)器學(xué)習(xí)性能的關(guān)鍵技術(shù)之一。耿教授提出了標(biāo)記增強(qiáng)的概念，介紹了標(biāo)記增強(qiáng)與模糊聚類、知識蒸餾、標(biāo)記分布的內(nèi)在關(guān)聯(lián)與相關(guān)研究進(jìn)展。最后，耿教授介紹了課題組在標(biāo)記增強(qiáng)解釋方面取得的最新進(jìn)展。標(biāo)記增強(qiáng)能夠通過挖掘出訓(xùn)練樣本中隱含的標(biāo)記重要性差異信息，將邏輯標(biāo)記轉(zhuǎn)化為標(biāo)記分布，從而有效地提升預(yù)測精度。耿教授指出，將標(biāo)記分布學(xué)習(xí)方法與標(biāo)記增強(qiáng)配合，能夠有效匹配大多數(shù)監(jiān)督學(xué)習(xí)問題。

耿新：標(biāo)記增強(qiáng)”-釋放標(biāo)記空間的威力

論壇的最后，浙江大學(xué)吳飛教授帶來報告《數(shù)據(jù)驅(qū)動與知識引導(dǎo)相互結(jié)合智能計算》。經(jīng)典人工智能理論框架建立在以遞歸可枚舉為核心的演繹邏輯和語義描述基礎(chǔ)方法之上，使得算法難以事先預(yù)設(shè)好智能算法能夠處理的所有情況，因此智能算法在處理不確定性、開放性和動態(tài)性等問題時難以發(fā)揮作用。吳教授首先介紹了數(shù)據(jù)驅(qū)動下歸納、知識指導(dǎo)中演繹、行為探索中頓悟的人工智能新模型和新方法。然后介紹了數(shù)據(jù)驅(qū)動與知識引導(dǎo)在經(jīng)濟(jì)、教育、司法判案、疾病診斷方面的應(yīng)用。吳教授指出，有效利用涌現(xiàn)數(shù)據(jù)、先驗知識和行為交互，推動人工智能具備“學(xué)會學(xué)習(xí)(learning to learn)”能力是未來人工智能發(fā)展的趨勢。

吳飛：數(shù)據(jù)驅(qū)動與知識引導(dǎo)相互結(jié)合智能計算

此次論壇反響熱烈，參會老師、學(xué)者以及研究生進(jìn)行了積極提問和討論，從中受益匪淺。

來源：大會組委會