面向分布外泛化的穩定學習和NICO Challenge
時 間：2022年7月5日（周二）下午14:00
地 點：計算所四層446
報告人：崔鵬副教授 清華大學
摘要：
主流機器學習模型的基本假設是訓練和測試數據的獨立同分布（IID），導致其缺乏對分布外數據的泛化能力（Out-Of-Distribution Generalization），使得當前模型在真實、開放場景下的預測性能無法保證，是當前機器學習研究的公認重要難題之一。本報告將重點介紹面向分布外泛化的穩定學習最新研究進展，并針對首屆分布外泛化圖像分類挑戰賽NICO Challenge進行全面介紹和技術分析。
報告人簡介：
崔鵬，清華大學計算機系長聘副教授，博士生導師。研究興趣聚焦于大數據驅動的因果推理和穩定預測、大規模網絡表征學習等。在數據挖掘及人工智能領域的頂級國際會議發表論文100余篇，先后5次獲得頂級國際會議或期刊論文獎，并先后兩次入選數據挖掘領域頂級國際會議KDD最佳論文專刊。擔任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等國際頂級期刊編委，ICML、NeurIPS、KDD、AAAI、UAI等頂級國際會議Area Chair。曾獲得國家自然科學二等獎、教育部自然科學一等獎、電子學會自然科學一等獎、北京市科技進步一等獎、CCF青年科學家獎、ACM杰出科學家。