【国民娱乐每日礼金gm777.top,国民彩票手机版中大奖】我们为您提供国民彩票手机版注册,国民彩票手机版投注,国民彩票手机版app,国民彩票手机版平台,巨华彩票开户,充提快速,操控简单,为国民彩票手机版彩民服务!

行知論壇217:深度聚類—從單模態到多模態

時間:2019-08-22瀏覽:676設置

報告題目:深度聚類——從單模態到多模態

報告專家:彭璽 (四川大學) 

報告時間:2019年826日上午1000 

報告地點:4042報告廳

  

    摘要:無監督學習或稱為無標記學習被認為是深度學習的關鍵挑戰之一。不同于有監督學習,無監督學習的關鍵在于如何找到某一種潛藏先驗,并形式為監督信號用于指導學習。本報告中,專家將就近期的一些工作進行匯報。首先,受到經典k-means聚類算法的啟發,從可微編程的角度將k-means重鑄為一個神經網絡。相對于k-means,提出的k-meansNet能作為一個模塊平滑地嵌入到任何神經網絡中,從而進行端到端的學習,以獲得更好的表示學習和聚類能力;相對于現有的基于神經網絡的聚類方法,提出的k-meansNet具有結構和結果的可解釋性。同時對其收斂性、去耦合性在理論上進行了討論和提供了分析。此外,報告就如何利用多模態數據在個體和個體間關系的一致性實現無監督學習進行探討。通過對傳統譜聚類進行重鑄,構建一個正交化層,我們IJCAI19的工作較早地將多模態聚類從淺層模型推廣到深層模型,其在分類、聚類及檢索中均取得當前較好結果。通過強制數據在跨模態關系一致性,我們ICML19的工作使得算法能以數據驅動的方式自適應地學習包括聚類數在內的所有參數,避免了模型選擇,使得無參化多視圖聚類成為可能。

 

     彭璽,四川大學研究員,博士生導師,中組部千人計劃青年項目入選者。視覺與學習青年學者研討會(VALSE)首屆執行領域主席委員會(EACC)主席,中國圖形圖像學會青工委副秘書長,IEEE Trans on SMC: Systems等三個國際SCI期刊編委(AE)。主要研究方向包括無監督學習及其在多媒體計算、視覺計算、自然語言處理等領域中的應用,在TPAMI,TNNLS,TIP,TIFS,ICML,CVPR,ICCV,AAAI,IJCAI等國際重要SCI期刊和會議發表多篇論文。

  

  

  

返回原圖
/

国民彩票手机版