首 页机构概况机构设置科研人才队伍合作交流研究生教育博士后图书馆创新文化党群园地院重点实验室彭桓武中心信息公开
  学术活动
  您现在的位置:首页 > 学术活动 > 专题学术报告/Seminar
(Seminar) 判别式无监督学习的实验和理论发展
2020-10-22  【 】【打印】【关闭

CAS Key Laboratory of Theoretical Physics

Institute of Theoretical Physics

Chinese Academy of Sciences

 Seminar

Title

题目

判别式无监督学习的实验和理论发展

Speaker

报告人

王闯

Affiliation

所在单位

自动化所

Date

日期

3:00pm, Oct 22, 2020, Thursday

Venue

地点

ITP South Building 6620

Contact Person

所内联系人

张潘

Abstract

摘要

特征表示模型将真实世界中的数据如图像或文本映射到低维的特征空间,是接下来的具体的分类、检测、搜索等下游任务的基础模型。近些年来,无监督表示模型作为预训练模型(如Seq2Seq,BERT)已经广泛应用于自然语言处理问题中,但在在图像处理领域类似的方法在前些年发展较为缓慢。最近两年来,随着判别式无监督学习的提出,图像的无监督表示学习方法有快速的发展。本次报告简要回顾图像的无监督表示学习最近几年来的发展。我们将分别从经验式的模型研究和基于最大互信息的理论研究这两条路径来介绍该方法,并在最后介绍使用梯度流理论来分析浅层无监督表示学习模型。
IE6.0浏览器,1024X768分辨率 版权所有 ? 中国科学院理论物理研究所
地址:北京市海淀区中关村东路55号 邮政编码:100190
京ICP备05002865号】 京公网安备1101080094号