题目: 大规模核方法模型选择理论与算法研究

报告嘉宾： 刘 勇 副研究员

报告嘉宾简介:

刘勇，现就职于中国科学院信息工程所，副研究员，硕导。长期从事大规模核模型选择、大规模核方法研究，共发表论文30余篇，其中以第一作者或通讯作者发表顶级期刊和会议论文20余篇，涵盖机器学习领域顶级期刊TPAMI、TNNLS和4大顶级会议（NeurIPS，ICML，IJCAI，AAAI）。获中国科学院“青年创新促进会”成员、中国科学院信息工程研究所“引进优青”人才称号。主持国家自然科学基金青年项目1项，中国科学院基础前沿科学研究计划1项，腾讯犀牛鸟基金1项，中国科学院中科院“青促会”和信工所“引进优青”人才项目2项，保密局战略研究项目子课题1项，作为核心骨干参与国家重点研发计划子课题和北京市局横向项目2项。

报告内容简介:

机器学习算法的归纳偏置是否与问题本身匹配，直接决定学习算法的性能。大规模核方法是当前大数据分析与挖掘的常用机器学习方法，而大规模核方法模型选择是确定大规模核学习算法归纳偏置的过程，是大规模核方法理论研究和实际应用的瓶颈和关键。围绕大规模核方法模型选择研究，提出了快速交叉验证方法，该方法只需训练学习器一次，在保证准确率的情况下，显著降低了传统交叉验证复杂度；设计了泛化误差收敛率可达O(log(K)/n)多分类模型选择算法，大大改进了已有的多分类泛化误差界。