微软亚洲研究院秦涛博士：对偶学习的新进展

本篇文章773字，读完约2分钟

众所周知，大规模标注数据对于深度学习尤为重要。在图像识别和机器翻译等任务中，深层神经网络是由大量标记数据训练的。但是这个前提有两个主要的局限性。首先，手工标记数据的成本非常高；其次，很难获得大规模的标记数据。

为了解决这一问题，在2016年的nips上，微软亚洲研究院提出了“一种新的机器学习范式”——双重学习，它利用双重任务的特点从未标记的数据中学习。它的训练原理是什么，它的应用前景是什么，在不久的将来取得了什么进展？在这个勤奋开放的班级里，雷锋。很荣幸邀请到微软亚洲研究院的研究员秦涛博士为我们讲述双重学习的新进展。

主要内容本公开课的内容如下:

深度学习面临的挑战

双重学习的起源:利用人工智能任务的结构二重性从未标记数据中学习

如何从标注数据中学习二元性

如何利用结构对偶改进机器学习算法的推理测试过程

双重学习在图像生成中的应用

双重学习与其他学习范式/方法的关系和区别

客人介绍

秦涛博士是微软亚洲研究院的研究员，在国际会议和杂志上发表了100多篇学术论文。他曾是/目前是机器学习和人工智能领域许多国际会议的主席或项目委员会的成员，也是许多国际学术研讨会的联合主席。秦涛博士是中国科技大学兼职博士生导师，同时也是ieee和acm的成员。他的团队专注于算法设计、理论分析以及深度学习和强化学习在实际问题中的应用。

活动细节主题:双重学习的新发展

嘉宾:微软亚洲研究院首席研究员秦涛博士

时间:2017年5月4日，星期四，晚上8点

形式:雷锋现场视频。你可以在雷锋直播频道的“问答区”提问。(公开号码:雷锋。)。

雷锋网络应用同步直播:直播频道

贝塔现场直播平台:(房间号码:788495)

扎克:直播频道的家庭室

“雷锋注意公开号。com”，回复167，并进入行业微信群进行讨论。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。

来源：搜狐微门户