讲座题目:
噪声对机器学习系统的影响与修正
讲座内容:
噪声在现实世界中极其常见。在本次报告中,我们将涵盖噪声在多个场景中的表现并给出处理方法。具体来讲,我们首先介绍如何使用统计方法来评估图片受噪声污染的程度;并给出在众包系统中,如何通过贝叶斯的方法提高样本标注的准确率;最后我们给出当训练集被噪声污染时,如何对深度网络进行有效训练。
在本次报告中,我也会向大家介绍目前腾讯量子实验室AI团队的业务,包括使用拟合模型来估计分子的生化性质,使用生成模型辅助药物小分子的设计,并使用强化学习模型指导分子的合成。
主讲人介绍:
陈广勇于2012年从南京大学电子科学与工程学院取得学士学位,2016年从香港中文大学计算机系取得博士学位,并在香港中文大学继续从事博士后研究。2018年至今陈广勇在腾讯量子实验室担任高级研究员,负责领导腾讯量子实验室AI团队。陈广勇的研究方向为机器学习理论及其在不同领域的应用,包括图像、语音、推荐系统与化学制药等。陈广勇已在国际顶级会议与期刊上发表多篇工作,包括ICML, CVPR, ICCV, ICDM, TPAMI, TKDD等,并担任多个顶级期刊与会议的评审,包括CVPR, ICCV, TNNLS, TVCG等。