机器学习及其应用2021
本书以2019年11月在天津大学和2020年11月在南京大学举行的第十七和第十八届“机器学习及其应用”学术研讨会所邀请的部分专家将其报告成稿并进行适当扩展而汇集成书。

作者:张敏灵、胡清华、李宇峰

定价:99元

印次:1-3

ISBN:9787302590958

出版日期:2021.10.01

印刷日期:2022.11.01

图书责编:孙亚楠

图书分类:学术专著

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

“机器学习及其应用”(MLA)系列研讨会本着“学术至上、其余从简”的原则,不征文、不收费,迄今已举行17届,近年来参会人数超过2000人。《机器学习及其应用2021》邀请MLA 2019-2020的部分专家以综述的形式介绍机器学习领域的研究进展,内容涉及到监督学习、深度学习、强化学习、对抗学习、贝叶斯学习的基本理论和方法,同时介绍了机器学习在计算机视觉、自然语言处理、城市计算、语音信号处理、模式识别中的应用,代表了国内机器学习**的研究进展。

张敏灵,男,1979年4月出生于江苏省南京市,籍贯浙江省杭州市。分别于2001、2004、2007年在南京大学计算机科学与技术系获学士、硕士、博士学位。现为东南大学计算机科学与工程学院教授、博士生导师。曾获国家优秀青年科学基金,入选教育部“长江学者奖励计划”青年学者。长期从事机器学习、数据挖掘领域研究。应邀担任重要国际会议PAKDD与ACML指导委员会委员,PRICAI'16等国际会议程序主席,以及KDD、IJCAI、AAAI、ICDM等国际会议领域主席/SPC三十余次。任《ACM Trans. IST》、《Science China Information Sciences》、《Frontiers of Computer Science》等期刊编委。现任中国人工智能学会机器学习专委会秘书长、中国计算机学会人工智能与模式识别专委会常务委员、江苏省人工智能学会学术工委主任等。曾获国家自然科学二等奖(第三完成人)、CCF-IEEE CS青年科学家奖等。

前 言 经过近 20年的发展,“机器学习及其应用”研讨会已成为国内机器学习界的著名学术品牌,其历史大致可以分为四个阶段。“机器学习及其应用”研讨会的创始阶段是 2002—2004年,它起源于 2002年陆汝钤院士在复旦大学智能信息处理实验室发起组织的“智能信息处理系列研讨会”,被列为当年支持的研讨会之一。是年 11月,第一届“机器学习及其应用”研讨会邀请了 10 余位专家闭门研讨,在复旦大学成功举办。 2004年 11月周志华教授与王珏研究员在复旦大学主持举办了第二届“机器学习及其应用”研讨会。此次研讨会除邀请报告人外,还吸引了闻讯自发与会旁听的学者和研究生 100余人。自此,研讨会的模式从闭门的学术讨论变成了开放的学术交流。 “机器学习及其应用”研讨会的起步阶段是 2005—2010年。由于当时机器学习受到的关注和支持较少,组织者和主办单位需承担较多压力, 2005年研讨会移师南京大学计算机软件新技术国家重点实验室,周志华教授和王珏研究员主持举办了第三届研讨会,吸引了来自全国近 10个省市的 250余人旁听。此次研讨会确定了会议不征文、不收费、报告人由组织者邀请,以及“学术至上、其余从简”的办会宗旨,同时确定了研讨会举办的时间,如无特殊,则为当年 11月份的第一个周末。此后,组织者争取到兄弟单位给予协助,2006年、2007年分别由南京航空航天大学信息科学与技术学院、南京师范大学数学与计算机学院协办了第四届和第五届研讨会,均吸引了来自全国 10余个省市的约 300人旁听;2008年举办的第六届研讨会,适逢南京大学计算机学科建立 50周年,与会人数达到了 380余人; 20...

目录
荐语
查看详情 查看详情
目录

深度学习中的优化方法 王立威  杨运昌  1

1  引言 1

2  梯度下降方法的全局收敛性 1

3  Gram-Gauss-Newton方法 7

4  实验 11

5  小结 15

参考文献 15

结构化剪枝综述 吴建鑫  王环宇  张永顺  17

1  引言 17

2  剪枝方式介绍 18

3  剪枝算法 22

4  讨论与展望 31

参考文献 32

Efficient Neural Speech Synthesis Tao Qin  36

1  Introduction 36

2  Inference Efficiency: FastSpeech Series 38

3  Data Efficiency: DualSpeech and LRSpeech 47

4  Parameter Efficiency: LightSpeech and AdaSpeech Series 52

5  Summary 65

References 66

  

面向开放世界的分类器学习 刘成林  72

1  引言 72

2  开放世界的模式分类和学习问题 74

3  面向开放集的分类决策规则 77

4  面向开放集的分类器设计与学习 81

5  面向开放集的卷积原型网络 87

6  小结 92

参考文献 92

  

释放标记空间的威力:标记增强 耿  新  徐  宁  高永标  王秋锋  96

1  引言 96

2  标记增强方法 97

3  标记增强理论解释 106

4  标记增强的应... 查看详情

《机器学习及其应用2021》邀请MLA 2019-2020的部分专家以综述的形式介绍机器学习领域的研究进展,内容涉及监督学习、深度学习、强化学习、对抗学习、贝叶斯学习的基本理论和方法,同时介绍了机器学习在计算机视觉、自然语言处理、城市计算、语音信号处理、模式识别中的应用,代表了国内机器学习**的研究进展。 查看详情