直播预告:IJCAI 2020 专场二| AI TIME PhD

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入!

直播预告:IJCAI 2020 专场二| AI TIME PhD_第1张图片

1月20日晚7:30-9:00

AI TIME特别邀请了3位优秀的讲者跟大家共同开启IJCAI 2020 专场二!

直播预告:IJCAI 2020 专场二| AI TIME PhD_第2张图片

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号

观看直播

链接:https://live.bilibili.com/21813994

★ 邀请讲者 ★

直播预告:IJCAI 2020 专场二| AI TIME PhD_第3张图片

杨天培:天津大学智能与计算学部四年级博士生,导师是郝建业老师。主要研究领域包括利用迁移学习,层次强化学习,对手建模等促进深度强化学习和多智能体强化学习的效率和性能。目前已在IJCAI、AAAI、ICLR等会议发表论文10余篇。

报告题目:

面向深度强化学习的策略迁移框架

摘要:

深度强化学习解决很多复杂问题的能力已经有目共睹,然而,如何提升其学习效率是目前面临的主要问题之一。现有的很多方法已验证迁移学习可利用相关任务中获得的先验知识来加快强化学习任务的学习效率。然而,这些方法需要明确计算任务之间的相似度,或者只能选择一个适合的源策略,并利用它提供针对目标任务的指导性探索。目前仍缺少如何不显式的计算策略间相似性,自适应的利用源策略中的先验知识的方法。本文提出了一种通用的策略迁移框架(PTF),利用上述思想实现高效的强化学习。PTF通过将多策略迁移过程建模为选项(option)学习,option判断何时和哪种源策略最适合重用,何时终止该策略的重用。PTF可以自然地与现有的深度强化学习方法结合。实验结果表明,PTF在离散和连续动作空间中的学习效率和最终性能方面,都优于原始的强化学习方法,并超越了最新的策略迁移方法。

直播预告:IJCAI 2020 专场二| AI TIME PhD_第4张图片

邓琪瑶:中国科学院自动化研究所博士生,主要研究兴趣是深度生成模型和人脸图像编辑。目前以第一作者在IJCAI、IEEE TIFS上发表多篇论文。

报告题目:

基于参考图像的人脸组成编辑

摘要:

近年来,人脸肖像编辑取得了较大的进步。但是,以前的方法要么1)对预定义的人脸属性进行操作,缺乏控制高级语义人脸组成(例如,眼睛,鼻子,嘴巴)形状的灵活性,要么2)利用手动编辑的中间表示(例如:关键点,分割图和轮廓草图等)实现具有明显拓扑形变的编辑,这种方式费时费力并且要求绘画技能。基于当前方法的局限性,我们提出了一种基于参考图像的人脸组成编辑方法(r- FACE),不需要预定义的属性标签和手动编辑的中间表示,直接从参考图像中学习目标人脸组成形状。具体而言,r-FACE采用人脸补全模型作为基本框架,为了聚焦于参考图像的目标人脸组成,设计了一个实例指导的注意力模块,指导网络融合目标信息。为了训练所提出的模型,我们采用上下文损失约束生成图像和参考图像之间目标人脸组成形状的相似性,同时采用风格损失和感知损失保持原始图像和生成图像之间肤色等风格特征的相似性。实验结果表明,r-FACE实现了形变可控、多样化的生成结果。

张洪铭:香港科技大学三年级博士生,导师宋阳秋教授,目前在宾夕法尼亚大学访问,导师Dan Roth教授。主要研究方向是常识与事件理解。曾获HKPF和MSRA Fellowship。主要工作发表在ACL,EMNLP,NAACL,WWW,IJCAI等会议上。

报告题目:

从事件的角度理解常识

摘要:

常识知识的获取,理解与运用一直是最核心的人工智能问题之一。长久以来,学术界和工业界都一直欠缺一个比较好的常识知识表达与获取方法。在这个分享中,我们将会介绍如何从事态(事件和状态)的角度来理解常识知识以及如何从无标注文本里以低成本自动获得相关的知识。在分享的开始,我们会首先介绍现在预训练模型(BERT, RoBERTa等)在常识理解任务上的进展和局限性。之后我们会介绍如何利用高阶语义倾向来表达理解常识知识。在此基础上,我们会介绍如何自动从预料中构建一个基于事件的知识图谱ASER来有效表达常识知识。在分享的最后,我们会介绍如何利用ASER中所蕴含的常识知识来帮助下游任务(指代消解,事件预测,问答,对话等等)。

直播结束后我们会邀请讲者在微信群中与大家答疑交流,请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“ijcai”,将拉您进“IJCAI 2020交流群”!

AI TIME微信小助手

主      办:AI TIME 、AMiner

合作伙伴:智谱·AI、中国工程院知领直播、学堂在线、CSDN、学术头条、biendata、大数据文摘、数据派、 Ever链动、机器学习算法与自然语言处理

AMiner是学术搜索和社会网络挖掘研究的重要数据和实验平台,由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万。        

1)AMiner平台:https://www.aminer.cn

2)会议专题页面:https://www.aminer.cn/conf/emnlp2020

AI TIME欢迎AI领域学者投稿,期待大家剖析学科历史发展和前沿技术。针对热门话题,我们将邀请专家一起论道。同时,我们也长期招募优质的撰稿人,顶级的平台需要顶级的你,

请将简历等信息发至[email protected]

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展,并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索,加强思想碰撞,打造一个知识分享的聚集地。

更多资讯请扫码关注

 

你可能感兴趣的:(人工智能,机器学习,深度学习,强化学习,计算机视觉)