English

当前位置: 学术报告 >> 基于认知的机器学习公理化
基于认知的机器学习公理化
发布于:2017-05-17  作者:学术与教学资源中心

基于认知的机器学习公理化


时间:5月17日 星期三 上午9:30

地点:院楼542



摘要:

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,对使用者要求极高。但是,儿童的学习能力极高, 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。


主讲人:

于剑,先后从北京大学获得本科、硕士、博士,现任北京交通大学教授,博士生导师,计算机学院计算机科学系主任,交通数据分析与挖掘北京市重点实验室主任,中国计算机学会理事,中国计算机学会人工智能与模式识别专业委员会秘书长,中国人工智能学会理事,中国人工智能学会机器学习专业委员会副主任,数字出版技术国家重点实验室学术委员,计算智能与中文信息处理教育部重点实验室学术委员,《计算机学报》、《软件学报》、《计算机研究与发展》、《模式识别与人工智能》等编委,主持多项国家自然科学基金项目。主要研究兴趣是机器学习、数据挖掘和自然语言处理等。