201学术论坛
 
 
请输入搜索信息:
 
 
11月28日学术报告会:深度多模态聚类研究
文章来源: 点击数: 更新日期:2019-11-25

报告题目:深度多模态聚类研究

报告人:彭玺 (国家特聘青年教授)

时间:2019年11月28日 下午3:30

地点:经计楼406会议室

主办单位:安徽农业大学信息与计算机学院

报告摘要:无监督学习或称为无标记学习被认为是深度学习的关键挑战之一。不同于有监督学习,无监督学习的关键在于如何找到某一种潜藏先验,并形式为监督信号用于指导学习。报告关于如何利用多模态数据在个体和个体间关系的一致性实现无监督学习。通过对传统谱聚类进行重铸,构建一个正交化层,将多模态聚类从浅层模型推广到深层模型,其在分类、聚类及检索中在一些数据集上均取得当时最好结果此外,通过强制数据在图上学习跨模态关系一致性,使得算法能以数据驱动的方式自适应地学习包括聚类数在内的所有参数,避免了模型选择,使得无参化多视图聚类成为可能。最后将就深度多模态聚类的尚未解决一些问题进行探讨。

报告人简介:彭玺,四川大学研究员,博士生导师,国家特聘青年教授Systems (IF: 7.351),IEEE Access (IF: 4.098),the Visual Computer journal(IF:1.415)等三个国际SCI期刊特邀编委;VALSE 2020等多个国内外学术会议程序委员会主席,是ECCV 2016专题报告组织主席、AAAI 2017及IJCAI 2018分会主席、IJCAI 2017、VCIP 2017及PSIVT 2019领域主席、VALSE 2018-2019注册主席、ACM中国图灵大会2019(TURC 2019)志愿者主席;是NeurIPS,ICML,ICLR,CVPR,AAAI,IJCAI,ACMMM,UAI等多个重要国际学术会议程序委员会委员;是TPAMI,TNNLS,TCYB,TKDE,TIFS,TIP等数十个国际重要SCI期刊审稿人;入选NeurIPS 2018 Top 200 Reviewer;(曾)任是视觉与学习青年学者研讨会(VALSE)执行领域主席委员会(EACC)主席、常务领域主席委员会委员(LAC)、在线理事会理事(VODB)、首届在线组委会委员(VOOC);是中国图象图形学学会(CSIG)青工委副秘书长和执委、会员服务与发展委员会委员;计算机学会计算机视觉专委会委员,CCF YOCSEF成都分论坛AC委员。

主要研究方向包括表示学习和可微编程及其在多媒体计算、视觉计算、自然语言处理等领域中的应用。他共计在中国计算机学会A类推荐期刊/会议(ICML,CVPR,ICCV,AAAI,IJCAI等)及IEEE Trans(TPAMI,TNNLS,TIP,TCYB,TIFS,TIE等)上发表学术论文50余篇。发表的一作论文中包含多篇ESI热点论文(前1‰)和高被引论文(前1%)。

Copyright 2014 © 安徽农业大学 All Rights Reserve

地址:安徽省合肥市长江西路130号| 邮编:230036 | 电话号码:0551-65786411/65786203 | 联系邮箱:xww@ahau.edu.cn,fgc@ahau.edu.cn