主讲人:王石平
主讲人简介:王石平，男，博士，教授，博士生导师。在国际著名期刊和会议 IEEETrans. Pattern Analysis and Machine Intelligence 等上发表 SCI/EI 检索论文 150 余篇，一作/通讯 SCI 期刊论文 110 余篇，Trans 系列论文 40 余篇，Google Scholar 引用 4000 余次。研究方向：机器学习、深度学习、多模态融合、特征表示、大数据分析。
报告简介：可信多视图机器学习旨在通过融合多源异质数据提高模型的可靠性和鲁棒性。此领域探索如何在面对数据不完备、噪声和异构性等挑战时，保持模型性能和解释能力。通过构建一致的多视图表示和引入不确定性度量，可信多视图学习方法确保数据间信息的有效交互，减少偏差并提高决策的透明度和稳定性。该领域涉及多任务学习、图神经网络和表示学习等技术，广泛应用于生物信息学、图像处理和推荐系统等场景。为此，本次报告将综述目前主流的多视图机器学习方法，从模型可解释性、算法鲁棒性和泛化性等研究可信的多视图聚类和半监督分类。
时 间:2024-11-15 14:30
地 点:综合楼1905
