會(huì)議簡(jiǎn)介

現(xiàn)代機(jī)器學(xué)習(xí)技術(shù)通常以統(tǒng)計(jì)模型的形式發(fā)現(xiàn)隨機(jī)變量之間的統(tǒng)計(jì)依賴關(guān)系，并利用這些依賴關(guān)系對(duì)未來(lái)的觀測(cè)結(jié)果進(jìn)行預(yù)測(cè)。但是，許多實(shí)際問(wèn)題都涉及因果推理，其目的是推斷數(shù)據(jù)生成系統(tǒng)在變化的條件下如何表現(xiàn)。本期論壇我們邀請(qǐng)到了來(lái)自墨爾本大學(xué)的宮明明老師，介紹因果推理和機(jī)器學(xué)習(xí)之間的聯(lián)系。

講者介紹

宮明明 博士，墨爾本大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院的數(shù)據(jù)科學(xué)講師（助理教授），同時(shí)擔(dān)任墨爾本數(shù)據(jù)科學(xué)中心研究員。研究興趣包括因果推理，機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)。在ICML, NeurIPS, UAI, CVPR, ICCV, ECCV, AAAI, IJCAI等頂級(jí)會(huì)議發(fā)表了三十多篇學(xué)術(shù)論文。還共同組織了多次研討會(huì)/競(jìng)賽，以促進(jìn)對(duì)弱監(jiān)督表示學(xué)習(xí)（SDM20，ACML21）和3D計(jì)算機(jī)視覺(jué)（IJCAI21）的研究。于2020年獲得了澳大利亞研究委員會(huì)的“早期職業(yè)研究者獎(jiǎng)” ，并被選為IJCAI2020的“早期職業(yè)焦點(diǎn)演講”演講者（全球15位演講者）。擔(dān)任CCF A類會(huì)議AAAI和IJCAI的高級(jí)程序委員會(huì)成員。

會(huì)議題目

因果推理與機(jī)器學(xué)習(xí)

會(huì)議摘要

在本次分享將重點(diǎn)介紹因果推理和機(jī)器學(xué)習(xí)之間的聯(lián)系，并探討它們?nèi)绾蜗嗷ナ芤?。一方面，機(jī)器學(xué)習(xí)為基于復(fù)雜數(shù)據(jù)的因果推理提供了強(qiáng)有力的工具。通過(guò)對(duì)數(shù)據(jù)產(chǎn)生過(guò)程的合理假設(shè)，我們能借用機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)因果推理。另一方面，由于因果結(jié)構(gòu)提供了有關(guān)分布變化特性的信息，它可以用來(lái)提升機(jī)器學(xué)習(xí)在分布變化情況下的遷移和泛化能力。

會(huì)議亮點(diǎn)

1、建立起因果推理與機(jī)器學(xué)習(xí)之間的橋梁，啟發(fā)更多對(duì)因果與機(jī)器學(xué)習(xí)的探索。

2、通過(guò)合理假設(shè)與理論推導(dǎo)，將機(jī)器學(xué)習(xí)模型應(yīng)用于因果推斷問(wèn)題。

3、通過(guò)數(shù)據(jù)的的因果性的發(fā)倔，提升機(jī)器學(xué)習(xí)的遷移與泛化能力。

會(huì)議時(shí)間

2021年1月3日（周日）20:00-21:00? 線上直播

關(guān)注微信公眾號(hào)：人工智能前沿講習(xí)，對(duì)話框回復(fù)“SFFAI95”，獲取入群二維碼、PPT下載、推薦論文下載