学校主页 | 院长信箱 | 加入收藏 | English
, 欢迎光临河南工业大学信息科学与工程学院。
当前位置: 学院首页 > 教育教学 > 研究生教育 > 正文

亚洲必赢苹果手机网址永利赌场真人

发布日期:2019-10-12 15:34:09 作者: 点击:

报告题目:稀疏理论及其在机器学习中的应用

报告人苗建雨

时间20191015日(周二)19:0020:30

地点6号楼6228

报告人简介:

苗建雨,男,博士,讲师。2018年6月毕业于中国科学院大学,获运筹学与控制论专业博士学位,并于同年7月加入河南工业大学信息科学与工程学院。主要从事机器学习、最优化与数据挖掘等相关领域的研究,具体研究方向包括特征选择、字典学习、多任务学习、正则化理论及其应用,特别是非凸正则化、以及深度学习。目前在期刊IEEE Transactions on Neural Networks and Learning SystemsNeural NetworksNeurocomputing Knowledge Based Systems Neural Computing and Applications Cognitive Computation以及国际学术会议IEEE International Conference on Computer Vision(CCF推荐A类会议)、International Conference on Data Mining(CCF推荐B类会议)、IEEE/WIC/ACM International Conference on Web IntelligenceInternational Conference on Computational Science (ICCS)上发表论文13篇,并担任Artificial Intelligence Review International Journal of Information Technology & Decision Making (IJITDM)Annals of Data SciencesAODS)、 KDD 2019NIPS 2016ITQM 2016ITQM 2017ITQM 2018ICCS 2018ICCS 2019等多个SCI期刊和国际学术会议的审稿人。

报告内容简介:

大数据具有海量性、多样性和复杂性的特点。稀疏性是信息表示的最普遍属性之一,其诸多理论已经被成功应用于机器学习。本报告针对不同的机器学习问题概述稀疏正则化的基本原理、正则化的机器学习框架模型与方法,并介绍相关研究发展: (1)提出首个非凸但Lipschitz连续的矩阵稀疏性度量,并探讨其在特征选择中的应用;(2)针对神经网络,提出一种基于凸和非凸正则项联合稀疏网络权重和神经元的新的压缩方法。

欢迎感兴趣的老师及研究生参加!

   信息科学与工程学院

         20191012

上一条:第二期学术沙龙预告 下一条:2019届硕士留学生学位论文答辩安排

------分隔线----------------------------
  • 收藏
  • 打印
教育教学
推荐内容
热点内容

版权所有:河南工业大学信息科学与工程学院

CopyRight@2010 All Rights Reserved 地址:河南省郑州市高新技术产业开发区莲花街1号 邮编:450001 联系方式:0371-67756840