講座主題：低質(zhì)多模態(tài)數(shù)據(jù)機(jī)器學(xué)習(xí)方法
專(zhuān)家姓名：張長(zhǎng)青
工作單位：天津大學(xué)
講座時(shí)間：2023年9月19日 10:15-11:00
講座地點(diǎn)：計(jì)算機(jī)與控制工程學(xué)院6205
主辦單位：煙臺(tái)大學(xué)計(jì)算機(jī)與控制工程學(xué)院
內(nèi)容摘要：
多模態(tài)數(shù)據(jù)之間存在復(fù)雜關(guān)聯(lián)，真實(shí)場(chǎng)景下來(lái)自不同信息源的數(shù)據(jù)質(zhì)量隨著時(shí)間、空間、樣本的不同具有動(dòng)態(tài)性，造成對(duì)任務(wù)支撐能力的顯著變化。例如在智能交通場(chǎng)景下，多模態(tài)數(shù)據(jù)往往會(huì)受到惡劣天氣、傳感器故障等因素的影響，夜間、雨霧天氣下雷達(dá)信號(hào)往往比RGB攝像頭信號(hào)更加可靠?；诖?，介紹面向低質(zhì)量多模態(tài)數(shù)據(jù)的代表性方法，并對(duì)其背后的理論分析框架進(jìn)行介紹。
主講人介紹：
張長(zhǎng)青，天津大學(xué)智能與計(jì)算學(xué)部副教授、博士生導(dǎo)師，國(guó)家青拔，其主要研究方向?yàn)槎嗄B(tài)機(jī)器學(xué)習(xí)和不確定性機(jī)器學(xué)習(xí)。在IEEE TPAMI/ IJCV/ICML/NeurIPS/ICLR等頂級(jí)期刊和國(guó)際會(huì)議上發(fā)表論文100余篇，多篇論文入選ICML/NeurIPS口頭報(bào)告或亮點(diǎn)論文。研究成果獲得中國(guó)圖象圖形學(xué)學(xué)會(huì)自然科學(xué)獎(jiǎng)一等獎(jiǎng)、ICME最佳論文等獎(jiǎng)勵(lì)，入選全球AI華人青年學(xué)者榜單、斯坦福大學(xué)發(fā)布的全球頂尖科學(xué)家榜單。主持和參與多項(xiàng)國(guó)家自然基金項(xiàng)目和國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目。
