报告题目：Uncertainty Estimation for Active Learning & Multimodal Learning

报告人：杜岚 教授

        澳大利亚莫纳士大学数据科学与人工智能专业副教授

        IEEE高级会员

报告摘要：

    准确的不确定性估计对于构建可信赖的深度神经网络至关重要，尤其是在诸如AI驱动的医疗系统和自动驾驶等安全关键和复杂的现实应用中。在本次讲座中，我将介绍我们团队在主动学习和多模态学习中的不确定性估计方面的最新研究。在主动学习中，关键挑战在于评估样本对于模型性能的有效性，不确定性在其中发挥着重要作用。通过将不确定性与样本多样性相结合，并受到期望损失减少框架的启发，我们基于严格适当的评分规则，开发了一种混合方法。这一方法在主动学习中建立了新的SOTA。对于多模态学习，目前大多数不确定性估计技术都专为单模态数据设计，多视角或多模态的不确定性估计仍然相对未被探索。为解决这一空白，我们提出了两个旨在增强不确定性估计的框架。第一个框架为每个视角配备不确定性感知分类器（使用高斯过程），并通过专家模型的乘积将所有视角的后验结合起来。第二个框架调整了神经过程以融合不同模态的信息。对真实世界数据集的实验结果表明，我们的框架准确、可靠，且具有良好的校准性能。

报告人简介：

    杜岚，澳大利亚莫纳士大学数据科学与人工智能专业副教授，IEEE高级会员。研究集中在机器/深度学习与自然语言处理的交叉领域，特别是主动学习、不确定性估计，半监督学习和知识蒸馏等方向。并致力于探索这些技术在公共卫生、市场营销、化学、烟草等多领域的应用。在机器学习、自然语言处理和数据挖掘的几乎所有顶级会议/期刊上发表了100余篇高质量的研究论文，例如NeurIPS、ICML、ACL、EMNLP、AAAI、TPAMI、IJCV、TMM和TNNLS。担任《机器学习》期刊、《ACM概率机器学习事务》以及《大数据研究》杂志的编委，AAAI人工智能会议的领域主席，并且是所有顶级机器学习和自然语言处理会议的程序委员会成员或审稿人。作为首席研究员，成功获得了三项政府资助，包括一项NHMRC创意基金 (Ideas Grant)、一项ARC DP基金以及一项MRFF基金，总研究经费约为300万澳元。

报告时间：2024年11月19日（星期二)上午9:00

报告地点：正新楼3楼人工智能学院报告厅

主办单位：吉林大学人工智能学院