· 智源学者

北京大学数学科学学院统计学长聘教授、大数据研究中心数据科学教授。北京大学“大数据分析与应用技术国家工程实验室机器学习中心”主任。曾经在加州大学伯克利分校Michael Jordan教授领导的机器学习实验室任博士后研究员、先后在上海交通大学和浙江大学计算机学院任教授。是国际机器学习旗舰刊物Journal of Machine Learning Research的执行编委,并多次受邀担任国际人工智能和机器学习顶级学术会议IJCAI、AAAI、ICML、NIPS、CVPR、ICCV等的程序委员或高级程序委员。研究兴趣包括:贝叶斯推理与计算、深度强化学习及其在博弈游戏中的应用、非凸优化算法、自然语言处理、大规模机器学习模型的求解算法等。其网络公开课《机器学习导论》和《统计机器学习》广受关注,访问量迄今达100万多次。

 

代表性成果

 

系统地研究了非参数贝叶斯机器学习方法。提出了一个矩阵元狄利克雷过程混合模型, 且将该模型应用于多元回归问题以及因子分析中;提出了一种新构造相关狄利克雷过的方法, 即利用条件自回归的思想来表示一组随机分布之间的相关性,并给出了具体的模型以用于模型推断的MCMC算法;提出了一个完全贝叶斯广义核模型,这个工作从再生核希尔伯特空间上的一个无穷维基展开理论出发,导出了我们称之为的“Silverman g-prior”等;研究了基于Levy过程的非参数的稀疏学习算法。在随机数值线性代数,申请者实验室提出一类用于求解大规模对称半正定矩阵分解问题的列选择随机算法,并给出一种高效的近似对称半正定矩阵分解和CUR分解的原型算法;给出了一类不精确牛顿二阶算法的一般性收敛性结果;提出了鲁棒频繁方向方法,其通过额外的正则项对频繁方向方法和增量奇异值分解进行了改进。在机器学习旗舰期刊Journal of Machine Learning Research 发表论文8篇。

 

拟研究项目名称:非参数贝叶斯机器学习方法与概率编程

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OK