报告人：宫辰，南京理工大学计算机科学与工程学院教授、博导

报告地点：铁道校区电子楼 414会议室

报告时间：2024年7月4日（周四）下午16：00 -- 18：00

报告题目：面向开放场景的学习问题初探

个人简介：

宫辰现任南京理工大学计算机科学与工程学院教授、博导；获国家级青年人才计划、江苏省杰青。已在世界权威期刊或会议上发表100余篇学术论文，主要包括IEEE T-PAMI, IJCV, JMLR, IEEE T-NNLS, IEEE T-IP, ICML, NeurIPS, CVPR, ICCV等，另有9项发明专利获得授权。 目前担任IEEE T-CSVT, Neural Networks副编委，AIJ、JMLR、IEEE T-PAMI、IJCV等30余家国际权威期刊审稿人，以及ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV、AAAI、IJCAI、ICDM等多个国际会议的(S)PC member。主持国自然重点项目、面上项目等。曾获吴文俊人工智能优秀青年奖、中国科协“青年人才托举工程”、中国人工智能学会“优秀博士学位论文”奖、上海市自然科学二等奖等，并入选百度发布的全球华人AI青年学者榜单以及斯坦福大学发布的全球2%顶尖科学家榜单。

报告简介：

作为人工智能领域的重要分支，机器学习方面的研究始终广受关注。虽然目前的学习方法在很多领域都取得了一定的进展，但它们大多基于“闭合世界”假设，即在类别已知、标注精确、分布一致的理想化公共基准数据集上训练及评测。因此，得到的模型往往只在预设条件下的理想封闭环境中表现良好，而在现实的开放场景及各类复杂的非理想条件下，算法的效果大打折扣甚至完全失效。因此，为了让机器学习方法真正“走出实验室”服务于实际任务，本报告关注开放环境下的学习问题，重点探讨真实场景中常见的分布外数据、标注噪声、标注缺失等问题给模型训练带来的困难，从而提高算法在实际应用中的泛化性和鲁棒性。相关工作发表于NeurIPS、AAAI、TPAMI、TMM等权威期刊或会议。