报告题目：深度强化学习的前沿技术与典型应用

报告简介：

深度强化学习（Deep Reinforcement Learning）结合了深度学习的感知能力和强化学习的决策能力，可以直接根据输入的环境信息控制智能体执行各类动作决策，是一种更接近人类思维方式的人工智能算法。近些年，深度强化学习在智能博弈和复杂系统等领域取得了一系列突破性进展。例如：2016年，基于深度强化学习算法框架的AlphaGo战胜了围棋世界冠军，推动了人工智能从理论研究到应用落地的新一轮技术变革。本报告将介绍研究组在深度强化学习的前沿技术和应用落地两方面的近期研究成果。

个人简介：

陈贺昌，吉林大学人工智能学院副教授，博士生导师，吉林省拔尖创新人才，吉林省优秀青年科研创新人才，担任吉林省边防基础设施专家，省委军民融合办专家。2018年获吉林大学计算机软件与理论专业博士学位，曾赴美国伊利诺伊大学（UIC）和香港浸会大学（HKBU）交流访问。在机器学习和数据挖掘领域著名国际期刊和会议上发表学术论文60余篇，其中，CCF A类、Trans系列和中科院1区论文20余篇，包括：IEEE TPAMI, TKDE, TNNLS, TKDD, NeurIPS, SIGIR, ICDE, WWW等。作为负责人主持国家级项目4项，作为骨干成员参与国家级项目4项，总经费600多万元。获吉林省自然科学奖“一等奖”1项（排名第三）。主要研究方向包括：机器学习、数据挖掘、智能博弈、知识工程、复杂系统等。

报告时间：2023年11月9日 星期四 13:00-15:00

报告地点：吉林大学中心校区逸夫楼第七阶梯