机器学习联合研讨计划(2020-2022)
http://www.smartchair.org/hp/JSML2020      2020年 10月24日 ~ 2022年 6月30日     中国合肥/北京/上海  

机器学习线上研讨班 (第二阶段)

第二阶段的主要目的是邀请国内外在机器学习领域最活跃的研究人员系统介绍机器学习研究的最新进展和最前沿的科学问题。研讨班每两周举行一次。每次邀请两位学者给报告。

组织委员会:鄂维南,董彬,高卫国,黄忠亿,王涵,许志钦,杨周旺,张林峰。

 

2021年第1次课程

讲座:利用深度学习求解高维控制问题

主讲:韩颉群(普林斯顿大学)

摘要:近年来深度学习的蓬勃发展为我们求解高维计算提供了新的强有力工具,其中梯度反向传播和随机梯度下降的算法为我们求解最优神经网络提供了高效的算法。本报告将先以控制论的视角来分析神经网络,探讨求解最优神经网络和最优控制问题的相似点以及上述算法对于我们求解高维控制问题的启发。在此启发下我们会展示两个利用深度学习求解高维控制问题的工作,(1) 求解基于模型的高维随机控制问题;(2) 结合倒向随机方程的变分形式求解抛物类偏微分方程。这些算法相比于以往的受限于维数灾难的传统算法体现出巨大的计算优势,大幅度提高了我们处理一大类高维问题的计算能力。最后我们会讨论一些相关方向的未解决问题帮助大家对这个领域有更好的理解。

讲座:神经网络和高维函数逼近

主讲:吴磊(普林斯顿大学)

摘要:近年来,以神经网络模型为基础的深度学习方法在不同领域取得了前所未有的成功, 例如计算机视觉、科学计算等。从逼近论的角度来说,这些成功依赖于神经网络强大的逼近高维函数的能力。而我们知道传统方法在逼近高维函数时必然会遭受维数诅咒。 这是否表明神经网络在某种意义下可以避免维数诅咒?如果可以,那么背后的机制又是什么呢? 我们将围绕kernel方法、两层神经网络和深度残差网络三个模型来讨论这些问题。 特别地,我们将刻画每个模型所逼近的高维函数空间。最后,我们会罗列一些公开问题帮助大家对这个领域有个整体理解。

时间:2021年4月3日(周六) 上午9:30-11:30

会议软件:讯飞听见(下载和安装指南

最新版本下载地址:https://meeting.iflyrec.com/download.html

会议号:914370

会议密码:098765

链接:https://meeting.iflyrec.com/meeting/appoint?lkczz1A8N0c5&language=cn

 

 

机器学习线上研讨班 (第一阶段)

 

2020年第3次课程《深度学习基础和实践》之三

主讲:张林峰

时间:2020年11月15日 10:00 - 12:00

会议号:649 583 87058‬

会议密码:另行通知

链接:https://zoom.com.cn/j/64958387058

 

2020年第2次课程《深度学习基础和实践》之二

主讲:吴磊

时间:2020年11月08日 10:00 - 12:00

会议号:694 139 32218 

会议密码:另行通知

链接:https://zoom.com.cn/j/69413932218

 

2020年第1次课程《深度学习基础和实践》之一

主讲:鄂维南

时间:2020年11月01日 10:00 - 12:00

会议号:‪684 394 06310

会议密码:另行通知

链接:https://zoom.com.cn/j/68439406310

 

 

联合研讨计划启动仪式

主持:鄂维南、高卫国、杨周旺、董彬、黄忠亿、许志钦

时间:2020年10月25日 10:30 - 12:00

 

 

联合研讨计划(中科大)座谈会

主持:鄂维南、杨周旺

时间:2020年10月06日 15:00 - 16:30     


Online Conference Registration         Powered by SmartChair System