<pre id="j9nnl"></pre>
        <ruby id="j9nnl"></ruby>
          <pre id="j9nnl"></pre><ruby id="j9nnl"><mark id="j9nnl"></mark></ruby>
          <p id="j9nnl"><mark id="j9nnl"><progress id="j9nnl"></progress></mark></p>

              <p id="j9nnl"><cite id="j9nnl"></cite></p>

                  <ruby id="j9nnl"></ruby>

                  <del id="j9nnl"><dfn id="j9nnl"><th id="j9nnl"></th></dfn></del>

                        <ruby id="j9nnl"><mark id="j9nnl"><thead id="j9nnl"></thead></mark></ruby>
                        <p id="j9nnl"></p>

                        <p id="j9nnl"><mark id="j9nnl"></mark></p>
                          <p id="j9nnl"><del id="j9nnl"><thead id="j9nnl"></thead></del></p>

                          新聞動態

                          Dynamics

                          首頁 >  新聞動態  > 詳情

                          “清源·學術”報告會:聚焦機器學習|活動預告

                           “清源·學術”系列報告會由上海交通大學清源研究院主辦,聯合上海人工智能實驗室、全球高校人工智能學術聯盟共同舉辦,將邀請人工智能領域專家、學者,分享前沿科技、最新成果,以期擴展學術視野、提供交流平臺。

                          【機器學習方向學術報告會】

                          時間:04月20日(周四)13:30-15:30

                          地點:上海交通大學電信群樓3-200號

                          主持人:呂寶糧 

                          上海交通大學清源研究院執行院長

                          計算機科學與工程系長聘教授、博導


                          報告安排】

                          時間:13:30-14:30

                          主講人:朱軍 清華大學計算機系

                          報告題目:擴散概率模型的一些進展


                          時間:14:30-15:30

                          主講人:鄧志杰 上海交大清源研究院

                          報告題目:深度譜學習:無監督學習的另一條路線


                          【報告簡介】

                          報告一:擴散概率模型的一些進展(13:30-14:30)

                          朱 軍    清華大學計算機系Bosch AI教授、IEEE Fellow,清華大學人工智能研究院副院長,曾任卡內基梅隆大學兼職教授

                          摘要:擴散概率模型是AIGC的關鍵技術,在文圖生成等方面取得顯著進展。該報告將介紹擴散概率模型的幾個進展,包括求解最優方差的Analytic-DPM、快速求解擴散ODE的DPM-Solver算法、大規模多模態擴散模型等。

                          簡介:朱軍,清華大學計算機系Bosch AI教授、IEEE Fellow,清華大學人工智能研究院副院長,曾任卡內基梅隆大學兼職教授。2001-2009年獲清華大學學士和博士學位,主要從事機器學習研究,擔任國際著名期刊IEEE TPAMI的副主編,擔任ICML、NeurIPS、ICLR等(資深)領域主席20余次。獲求是杰出青年獎、科學探索獎、中國計算機學會自然科學一等獎、吳文俊人工智能自然科學一等獎、ICLR國際會議杰出論文獎等,入選萬人計劃領軍人才、中國計算機學會青年科學家、MIT TR35中國先鋒者等。


                          報告二:深度譜學習:無監督學習的另一條路線(14:30-15:30)

                          鄧志杰    上海交通大學清源研究院長聘教軌助理教授

                          摘要:無監督學習是創造人類水平智能的關鍵,近期“刷屏”的擴散模型、語言模型是其中的代表性技術。本報告將討論無監督學習的另一條路線:譜方法+深度學習。譜方法是前深度學習時代的典型無監督學習途徑,深度學習的引入緩解其可擴展性低的問題,并注入inductive bias。本報告將從理論、算法、應用三個方面介紹深度譜學習這一新的范式,并對未來研究進行展望。

                          簡介:鄧志杰,上海交通大學清源研究院助理教授。2013-2022年獲清華大學學士和博士學位,主要研究方向為概率建模和深度學習。在ICML、NeurIPS、ICLR、CVPR、ICCV、JMLR等高水平會議和期刊上發表學術論文十余篇。獲英偉達先鋒研究獎、清華大學計算機系優秀畢業生、清華大學1984級創新未來獎學金、VALSE焦點論文獎等獎項或榮譽。多次擔任ICML、NeurIPS、ICLR、CVPR、ICCV、TIP等頂級國際會議和期刊的審稿人。

                          d06749bfa3fe1941a277d4858d6f44d.jpg

                          comm@pjlab.org.cn

                          上海市徐匯區云錦路701號西岸國際人工智能中心37-38層

                          滬ICP備2021009351號-1

                          <pre id="j9nnl"></pre>
                                <ruby id="j9nnl"></ruby>
                                  <pre id="j9nnl"></pre><ruby id="j9nnl"><mark id="j9nnl"></mark></ruby>
                                  <p id="j9nnl"><mark id="j9nnl"><progress id="j9nnl"></progress></mark></p>

                                      <p id="j9nnl"><cite id="j9nnl"></cite></p>

                                          <ruby id="j9nnl"></ruby>

                                          <del id="j9nnl"><dfn id="j9nnl"><th id="j9nnl"></th></dfn></del>

                                                <ruby id="j9nnl"><mark id="j9nnl"><thead id="j9nnl"></thead></mark></ruby>
                                                <p id="j9nnl"></p>

                                                <p id="j9nnl"><mark id="j9nnl"></mark></p>
                                                  <p id="j9nnl"><del id="j9nnl"><thead id="j9nnl"></thead></del></p>
                                                  韩国伦理电影