报告题目：不均衡学习的泛在适配

报告摘要：

不均衡学习是一个广泛存在且研究已久的领域，随着深度学习的发展，近些年来有了一些新的设计和改善。然而，随着整个人工智能领域趋势的演进，原有仅仅围绕类别不均衡的研究设定未必符合或者考虑了各种情形下的领域需求，如何把不均衡学习拓展到泛在情形就变得很重要。本报告将简要回顾不均衡学习领域的发展历史和现状，分析现有不均衡学习领域需要考虑的关键点，重点围绕将经典的不均衡学习的思想推广到表征学习、偏标签学习和增量学习的场景中，来克服样本不均衡影响的问题进行展开。本次报告将分别介绍我们在上述情景下提出的记忆增强对比学习方法、全局特征校正方法和惯性增强方法，以解决不均衡学习方法泛在适配的难点，相关成果发表于ICML、ICLR和Transactions on Image Processing等会议和期刊上。

报告人简介：

姚江超，上海交通大学助理教授、博士生导师，上海人工智能实验室双聘青年科学家。上海交通大学和悉尼科技大学博士，曾任阿里巴巴达摩院算法专家。长期致力于鲁棒机器学习、大模型预训练相关技术和医疗人工智能应用研究，发表高水平论文70余篇，其中CCF-A类/清华A类论文40余篇，担任ICML、 NeurIPS、 ICLR领域主席，Transactions on Machine Learning Research和Neural Networks执行主编。主持和参与多项国家级和省部级项目，包括国家自然科学基金青年基金项目，科技部-2030人工智能专项等，曾获教育部科技进步一等奖。

报告时间：2024年12月9日，上午10:00-11:30

报告地点：正新楼三楼人工智能学院报告厅

主办单位：人工智能学院