报告题目：标记信息不充分算法与应用研究

报告时间：11月14日（周三）下午1:30-2:30

报告地点：学科3号楼S410会议室

报告人：李延超 博士

主持人：刘青山 教授

欢迎广大师生踊跃参加！

报告摘要：从少量带标记数据和大量无标记数据中学习已经成为机器学习领域中一个重要的研究话题，其中直推学习(Transductive Learning)、半监督学习(Semi-supervised Learning)和主动学习(Active Learning)是三个主要的研究范式。半监督学习充分利用有限的标记数据和大量的无标记数据，不仅降低了对标记样本量的要求，同时也提高了模型的泛化能力。直推学习通常归约到半监督学习范畴中，其假设未标记的数据就是最终要用来测试的数据，学习目的在这些数据上取得最佳泛化能力。主动学习从大量无标记的样本中挑选少量最有信息量且最具代表性的样本交给专家标记。通过设计挑选有限样本的准则，使得模型的性能提升，以减少专家标记的时间。在过去的二十年中，学者提出了大量的半监督学习和主动学习算法，并且成功应用到自然语言处理，多媒体信息处理和生物信息等领域。本报告介绍博士期间所做的一些工作，即嵌入间隔分布的直推支持向量机、增量半监督学习和基于深度学习批抽样的主动学习算法。

报告人简介：李延超，南京理工大学博士生，英国爱丁堡大学信息学院访问学者。研究方向：机器学习和大数据管理。已发表论文到Pattern Recognition，Knowledge-based Systems等期刊和ACM SIGMOD，IEEE BIBM等国际会议。