报告题目:聚类泛化误差分析初探
报告人:刘勇,中国人民大学,副教授
报告时间:2021年11月5日,19:00-20:30
报告地点:腾讯会议297196021
报告摘要:
聚类方法近年来在学术和工业界受到广泛应用和关注。但聚类统计误差分析还缺乏深入研究,特别在泛化误差分析方面还处于初级阶段。基于改进的聚类Rademacher复杂度分析,首次给出了核K-means最优泛化误差界。在此基于上进一步研究了基于Nystrom的和随机Skeching的近似核K-means的统计性质,并证明在满足一定限制条件下,基于Nystrom的近似核K-means方法能保证其最优统计性能。
报告人简介:
刘勇,中国人民大学,副教授,博导。长期从事大规模机器学习统计学习理论研究,共发表论文40余篇,其中以第一作者/通讯作者发表顶级期刊和会议论文30余篇,涵盖机器学习领域顶级期刊TPAMI、TNNLS、TIP和会议NeurIPS、ICML、ICLR、IJCAI、AAAI、ECML、ICDM。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,中科院基础前沿科学研究计划和腾讯犀牛鸟基金等项目。