報告人: 張講社 教授

講座日期：2019-06-19

講座時間：15:20

報告地點：長安校區(qū) 文津樓3段2層 數(shù)學與信息科學學院學術交流廳

主辦單位：數(shù)學與信息科學學院

講座人簡介：

張講社，西安交通大學數(shù)學與統(tǒng)計學院教授，博士生導師，統(tǒng)計決策與機器學習研究所所長，陜西省統(tǒng)計學學會理事長。研究工作主要集中在統(tǒng)計學習與機器學習及其在分類、回歸和聚類等問題中的應用方面，并取得了很好的研究成果，在相關研究方向先后發(fā)表論文100 余篇。在大數(shù)據(jù)處理方面，曾參與和主持多項遙感圖像處理、大氣污染數(shù)據(jù)分析、極端氣候和風能利用分析、電力系統(tǒng)負荷預測、地震數(shù)據(jù)分析和金融數(shù)據(jù)分析等實際數(shù)據(jù)分析課題，具有豐富的數(shù)據(jù)處理實踐。在國際知名雜志Computational Statistics & Data Analysis，Statistics and Computing，Journal of Environmental Research and Public Health，IEEE Trans. Pattern Analysis and Machine Intelligence，IEEE Trans. on Neural Networks and Learning Systems，Pattern Recognition等發(fā)表多篇論文。

講座簡介：

作為神經(jīng)科學領域的一種仿生模型，預測編碼因能夠?qū)Υ竽X視覺皮層的組織結(jié)構(gòu)和感知推斷功能做出合理性解釋而受到廣泛關注。然而，如何將預測編碼模型和理論有效應用于求解具體的機器學習任務（如圖像分類），仍然是一個具有挑戰(zhàn)性的問題。在這項工作中，我們提出一種可用于圖像表示和分類的新模型，稱為快速推斷預測編碼。新模型對基準預測編碼模型主要進行了兩方面的改進：1）引入回歸過程以學習從數(shù)據(jù)到表示的回歸映射，從而顯著提高模型推斷表示的效率；2）使用標簽信息指導模型提取更具判別性的特征。此外，我們還為新模型設計了有效的學習算法。實驗結(jié)果表明，所提模型能夠?qū)崿F(xiàn)圖像表示的快速推斷，同時可得到較好的分類性能。