本期為TechBeat人工智能社區(qū)第349期線上Talk。

北京時(shí)間10月14日(周四)晚8點(diǎn)，羅格斯大學(xué)計(jì)算機(jī)系助理教授—王灝的Talk將準(zhǔn)時(shí)在TechBeat人工智能社區(qū)開(kāi)播！

他與大家分享的主題是: “貝葉斯深度學(xué)習(xí)：一個(gè)統(tǒng)一深度學(xué)習(xí)和概率圖模型的框架”，屆時(shí)將提出統(tǒng)一框架及最近他與團(tuán)隊(duì)基于該框架的具體模型和應(yīng)用。

Talk·信息

主題：貝葉斯深度學(xué)習(xí)：

一個(gè)統(tǒng)一深度學(xué)習(xí)和概率圖模型的框架

嘉賓：羅格斯大學(xué)計(jì)算機(jī)系 助理教授

王灝

時(shí)間：北京時(shí)間?10月14日?(周四) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復(fù)制鏈接https://datayi.cn/w/q9AVkWzR至瀏覽器，一鍵完成預(yù)約！上線后會(huì)在第一時(shí)間收到通知哦~??

Talk·提綱

一個(gè)全能的人工智能系統(tǒng)（AI）不僅需要能夠用“五感”（比如視覺(jué)和聽(tīng)覺(jué)）來(lái)感知周圍環(huán)境，更重要的是能夠?qū)@個(gè)世界的條件概率關(guān)系（甚至因果關(guān)系）及其設(shè)計(jì)的不確定性進(jìn)行推斷。過(guò)去的十年中，基于純深度學(xué)習(xí)的模型已經(jīng)在很多“感知”類任務(wù)（比如視覺(jué)物體識(shí)別和語(yǔ)音識(shí)別）取得巨大的進(jìn)展。然而，對(duì)于更高層次的智能和推理，概率圖模型由于其有效表示隨機(jī)變量及其概率聯(lián)系的能力，依然有著獨(dú)特而強(qiáng)大的優(yōu)勢(shì)。為了建立一個(gè)同時(shí)兼顧“感知”和“推斷”的全能AI，我們一直在探索一個(gè)能夠緊密整合深度學(xué)習(xí)和貝葉斯模型的統(tǒng)一概率框架，我們把這個(gè)框架叫做貝葉斯深度學(xué)習(xí)。在這個(gè)Talk里，講者會(huì)介紹團(tuán)隊(duì)提出的這個(gè)統(tǒng)一框架及其最近的一些基于這個(gè)框架的具體模型和應(yīng)用（比如推薦系統(tǒng)、圖分析、healthcare和表征學(xué)習(xí)）。

本次分享主要為：

（1）貝葉斯深度學(xué)習(xí)框架

（2）貝葉斯深度學(xué)習(xí)的具體模型及其應(yīng)用

（3）貝葉斯深度學(xué)習(xí)模型的訓(xùn)練

Talk·參考資料

這是本次分享中將會(huì)提及的資料，建議提前預(yù)習(xí)哦！Github:?https://github.com/js05212/BayesianDeepLearning-Survey??

入門(mén)文章：https://www.zhihu.com/question/352295592/answer/1321541099??

Paper List:

[1] A survey on Bayesian deep learning. Hao Wang, Dit-Yan Yeung. ACM Computing Surveys (CSUR), 2020.

[2] Towards Bayesian deep learning: a framework and some existing methods. Hao Wang, Dit-Yan Yeung. IEEE Transactions on Knowledge and Data Engineering (TKDE), 2016.

[3] Collaborative deep learning for recommender systems. Hao Wang, Naiyan Wang, Dit-Yan Yeung. Twenty-First ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD), 2015.

[4] Collaborative recurrent autoencoder: recommend while learning to fill in the blanks. Hao Wang, Xingjian Shi, Dit-Yan Yeung. Thirtieth Annual Conference on Neural Information Processing Systems (NIPS), 2016.

[5] Natural parameter networks: a class of probabilistic neural networks. Hao Wang, Xingjian Shi, Dit-Yan Yeung. Thirtieth Annual Conference on Neural Information Processing Systems (NIPS), 2016.

[6]?Continuously indexed domain adaptation. Hao Wang*, Hao He*, Dina Katabi. Thirty-Seventh International Conference on Machine Learning (ICML), 2020.

[7] Assessment of medication self-administration using artificial intelligence. Mingmin Zhao*, Kreshnik Hoti*, Hao Wang, Aniruddh, Raghu, Dina Katabi. Nature Medicine, 2021.

[8] Relational stacked denoising autoencoder for tag recommendation. Hao Wang, Xingjian Shi, Dit-Yan Yeung. Twenty-Ninth AAAI Conference on Artificial Intelligence (AAAI), 2015.

[9] Relational deep learning: A deep latent variable model for link prediction.? Hao Wang, Xingjian Shi, Dit-Yan Yeung. Thirty-First AAAI Conference on Artificial Intelligence (AAAI), 2017.?

[10] Bidirectional inference networks: A class of deep Bayesian networks for health profiling.? Hao Wang, Chengzhi Mao, Hao He, Mingmin Zhao, Tommi S. Jaakkola, Dina Katabi. Thirty-Third AAAI Conference on Artificial Intelligence (AAAI), 2019.?

Talk·提問(wèn)交流

通過(guò)以下兩種方式提問(wèn)都將獲得微信現(xiàn)金紅包獎(jiǎng)勵(lì)哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動(dòng)！留下你的打call??和問(wèn)題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會(huì)給予你相應(yīng)的i豆積分，還會(huì)有驚喜獎(jiǎng)勵(lì)哦！

方式 ②

在本文留言區(qū)直接提出你的問(wèn)題，或掃描下方二維碼提問(wèn)！

Talk·嘉賓介紹

王灝，現(xiàn)為羅格斯大學(xué)計(jì)算機(jī)系助理教授。在加入羅格斯之前，他在麻省理工學(xué)院（MIT）的計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）與Dina Katabi和Tommi Jaakkola進(jìn)行博后研究。他博士畢業(yè)于香港科技大學(xué)計(jì)算機(jī)系，是2017年工程院博士研究獎(jiǎng)唯一獲得者。他曾作為訪問(wèn)學(xué)者訪問(wèn)卡耐基梅隆大學(xué)（CMU）的機(jī)器學(xué)習(xí)系，與Eric Xing合作。他的研究主要集中在統(tǒng)計(jì)機(jī)器學(xué)習(xí)、貝葉斯深度學(xué)習(xí)及其在healthcare、推薦系統(tǒng)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理上的應(yīng)用?；谒谪惾~斯機(jī)器學(xué)習(xí)及其在數(shù)據(jù)挖掘和網(wǎng)絡(luò)分析的工作，他獲得了2015年微軟獎(jiǎng)學(xué)金和百度獎(jiǎng)學(xué)金。

個(gè)人主頁(yè)：

www.wanghao.in

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個(gè)薈聚全球華人AI精英的成長(zhǎng)社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗(yàn)，加速并陪伴其學(xué)習(xí)成長(zhǎng)。 期待這里可以成為你學(xué)習(xí)AI前沿知識(shí)的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級(jí)打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ