本期为TechBeat人工智能社区第349期线上Talk。

北京时间10月14日(周四)晚8点，罗格斯大学计算机系助理教授—王灏的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “贝叶斯深度学习：一个统一深度学习和概率图模型的框架”，届时将提出统一框架及最近他与团队基于该框架的具体模型和应用。

Talk·信息

主题：贝叶斯深度学习：

一个统一深度学习和概率图模型的框架

嘉宾：罗格斯大学计算机系 助理教授

王灏

时间：北京时间 10月14日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/q9AVkWzR至浏览器，一键完成预约！上线后会在第一时间收到通知哦~  

Talk·提纲

一个全能的人工智能系统（AI）不仅需要能够用“五感”（比如视觉和听觉）来感知周围环境，更重要的是能够对这个世界的条件概率关系（甚至因果关系）及其设计的不确定性进行推断。过去的十年中，基于纯深度学习的模型已经在很多“感知”类任务（比如视觉物体识别和语音识别）取得巨大的进展。然而，对于更高层次的智能和推理，概率图模型由于其有效表示随机变量及其概率联系的能力，依然有着独特而强大的优势。为了建立一个同时兼顾“感知”和“推断”的全能AI，我们一直在探索一个能够紧密整合深度学习和贝叶斯模型的统一概率框架，我们把这个框架叫做贝叶斯深度学习。在这个Talk里，讲者会介绍团队提出的这个统一框架及其最近的一些基于这个框架的具体模型和应用（比如推荐系统、图分析、healthcare和表征学习）。

本次分享主要为：

（1）贝叶斯深度学习框架

（2）贝叶斯深度学习的具体模型及其应用

（3）贝叶斯深度学习模型的训练

Talk·参考资料

这是本次分享中将会提及的资料，建议提前预习哦！Github: https://github.com/js05212/BayesianDeepLearning-Survey  

入门文章：https://www.zhihu.com/question/352295592/answer/1321541099  

Paper List:

[1] A survey on Bayesian deep learning. Hao Wang, Dit-Yan Yeung. ACM Computing Surveys (CSUR), 2020.

[2] Towards Bayesian deep learning: a framework and some existing methods. Hao Wang, Dit-Yan Yeung. IEEE Transactions on Knowledge and Data Engineering (TKDE), 2016.

[3] Collaborative deep learning for recommender systems. Hao Wang, Naiyan Wang, Dit-Yan Yeung. Twenty-First ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD), 2015.

[4] Collaborative recurrent autoencoder: recommend while learning to fill in the blanks. Hao Wang, Xingjian Shi, Dit-Yan Yeung. Thirtieth Annual Conference on Neural Information Processing Systems (NIPS), 2016.

[5] Natural parameter networks: a class of probabilistic neural networks. Hao Wang, Xingjian Shi, Dit-Yan Yeung. Thirtieth Annual Conference on Neural Information Processing Systems (NIPS), 2016.

[6] Continuously indexed domain adaptation. Hao Wang*, Hao He*, Dina Katabi. Thirty-Seventh International Conference on Machine Learning (ICML), 2020.

[7] Assessment of medication self-administration using artificial intelligence. Mingmin Zhao*, Kreshnik Hoti*, Hao Wang, Aniruddh, Raghu, Dina Katabi. Nature Medicine, 2021.

[8] Relational stacked denoising autoencoder for tag recommendation. Hao Wang, Xingjian Shi, Dit-Yan Yeung. Twenty-Ninth AAAI Conference on Artificial Intelligence (AAAI), 2015.

[9] Relational deep learning: A deep latent variable model for link prediction.  Hao Wang, Xingjian Shi, Dit-Yan Yeung. Thirty-First AAAI Conference on Artificial Intelligence (AAAI), 2017. 

[10] Bidirectional inference networks: A class of deep Bayesian networks for health profiling.  Hao Wang, Chengzhi Mao, Hao He, Mingmin Zhao, Tommi S. Jaakkola, Dina Katabi. Thirty-Third AAAI Conference on Artificial Intelligence (AAAI), 2019. 

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

王灏，现为罗格斯大学计算机系助理教授。在加入罗格斯之前，他在麻省理工学院（MIT）的计算机科学与人工智能实验室（CSAIL）与Dina Katabi和Tommi Jaakkola进行博后研究。他博士毕业于香港科技大学计算机系，是2017年工程院博士研究奖唯一获得者。他曾作为访问学者访问卡耐基梅隆大学（CMU）的机器学习系，与Eric Xing合作。他的研究主要集中在统计机器学习、贝叶斯深度学习及其在healthcare、推荐系统、计算机视觉、自然语言处理上的应用。基于他在贝叶斯机器学习及其在数据挖掘和网络分析的工作，他获得了2015年微软奖学金和百度奖学金。

个人主页：

www.wanghao.in

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ