4月1日上午，应数学与统计学院的邀请，华中农业大学陈洪教授为我院师生作题为“Bilevel Additive Models”的学术报告。数学与统计学院师生共十余人参加此次报告。
本次报告首先介绍问题背景，在传统的机器学习上，寻找函数估计器有三个核心要素—误差度量、假设空间、限制条件。随后基于对这三个要素的深入研究，与希尔比特13问题紧密相关，提出可加模型。但已有的可加模型对统计工作仍有局限性，为减少基于学习算法设计和理论分析的先验依赖，进一步在此模型上加入自动步骤，其具有预测，可解释性，可克服高维灾难优势，并在数学上对其进行了收敛性分析，通过数值实验证明了优越性。最后对上述研究成果进行了全面总结，并介绍了目前的重点工作，为机器学习函数估计理论的进一步发展和应用提供了新思路。
报告结束后，陈老师对师生提出的相关问题进行了积极的回答，开拓了在场学生的科研视野，受益匪浅。
专家简介：
陈洪，华中农业大学三级岗教授，博士生导师。研究方向为机器学习，人工智能的数学模型与算法。主持国家级项目7项(其中国家自然科学基金面上项目3项)，在人工智能顶会NeurIPS、ICML、ICLR等发表论文30余篇, 在数学与信息领域知名期刊ACHA、JAT、IEEE TPAMI/TIT/TIP/TNNLS/TCYB等发表论文30余篇,在Nature Genetics等合作发表智慧农业应用论文。曾任匹兹堡大学兼职研究员、德州大学阿灵顿分校博士后研究员、澳门大学兼职研究员。
(数学与统计学院 耿欣欣 李海锋)
最新通知