学术报告

    本次学术报告主要讲解了多示例多标记学习(Multi-Instance Multi-Label learning)，主要对多示例多标记学习的基本概念及一个基于多示例多标记的深度神经网络算法的原理进行了简单介绍。 附件-多示例多标记学习.pdf

    本次报告主要讲解了主题排序算法，通过对pagerank算法以及topic sensitive pagerank算法的原理介绍，引出了用于关键词抽取的topical pagerank算法 附件-主题排序算法.pdf

    胶囊(向量神经)网络是针对CNN的缺陷提出的一种新的方法，主要实现了两点改进：1.将CNN的输出结果由标量（scalar）替换成了向量(vector）,向量的方向代表Capsule所捕捉到的实体参数信息，向量的长度代表Capsule被激活的概率 2.把CNN的最大池化替换成了路由协议机制。该网络相比于CNN能够…

    跨语言词向量(corss-lingual word embeddings)是一种的对单语言环境下的模型进行多语言扩展的有效手段。通过平行语料得到不同语种之间词向量的联系，使用这种联系实现了对上层自然语言任务的跨语言扩展。 附件-跨语言词向量.pdf

    条件随机场（conditional random fields）是一种满足马尔可夫性质的条件概率图模型。它很好地解决了隐马尔可夫模型的输出独立性假设和最大熵马尔可夫模型的标记偏置问题，主要被应用于自然语言处理领域。本次报告中，主要为大家介绍了条件随机场的表示形式、参数训练的目标函数、推断方法等内容。 附件-基于…

    优化问题是机器学习的核心和本质。在深度学习中，即使有完全相同的数据集和模型框架，使用的优化算法不同，所得到的训练结果也可能不同。深度学习常用的参数优化算法是梯度下降，各优化算法的发展经历了SGD->SGDM->NAG->AdaGrad->AdaDelta/RMSprop->Adam…

    协同训练是一种多视角学习方法，当数据充分时，在具有这种特征的数据集的任何一个视图上均可以利用一定的机器学习算法训练出一个强分类器。但是大量数据都是无标记的情况下，无法训练出一个强泛化能力的分类器，因此针对这个问题，本次学术报告为大家介绍了协同训练。 附件-协同训练Co-training.pdf

    自步学习（Self-paced Learning）是一种先学习简单样本，后学习复杂样本的迭代算法。它具有很好的健壮性，主要被应用于图像识别领域。本次报告中，主要为大家介绍了自步学习的公式推导和两种延伸算法。 附件-自步学习.pdf