· 智源学者

1975年出生,博士毕业于北京大学应用数学系,现任北京大学信息学院智能科学系教授、副系主任,国家自然科学基金优秀青年基金获得者,“教育部新世纪优秀人才支持计划”获得者。长期从事机器学习领域相关研究,目前主要致力于围绕机器学习核心科学问题“泛化理论、表示理论和优化方法”深入开展工作,为解释深度学习算法、boosting算法、主动学习、隐私保护学习等机器学习算法的泛化性能做出重要贡献,取得较为丰富的成果。自2002年以来,在TPAMI、CVPR、ICML等国际顶级期刊和和会议上发表论文70余篇,并参与编写《机器学习及其应用》2009版“关于Boosting算法的Margin解释”及2015版“差分隐私保护的机器学习”相关章节。曾获得第11届Meeting on Image Recognition and Understanding会议最佳论文奖,2010年获得《Pattern Recognition Letters》期刊最高引用论文奖(2005-2010),2010年入选IEEE Intelligent Systems的“人工智能10大新星”(AI’s 10 to Watch)。

代表性成果:

  1. 机器学习泛化理论:从理论上解释深度学习算法、boosting算法、主动学习算法、隐私保护学习算法的泛化能力并据此设计高性能的机器学习算法,包括深度学习的泛化理论、Boosting之margin泛化理论、主动学习理论、差分隐私保护的查询回答和经验风险最小化、局部差分隐私保护下的机器学习;
  2. 机器学习表示理论:研究了宽度受限网络的通用近似理论,探索了如何定量描述深度神经网络学习的特征,包括定量描述深度神经网络学习特征理论、宽度受限网络的通用近似理论;
  3. 机器学习优化理论:证明了对于带有残差连接的过参数化深度神经网络,梯度下降算法可以在多项式时间内找到全局最小值。

拟研究项目名称:机器学习基础理论

All Posts
×

Almost done…

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

OK