Talk预告 | 普渡大学王虓：如何利用合作对抗学习来提升自监督学习
本期为TechBeat人工智能社区第428期线上Talk。
北京时间8月4日(周四)20:00，普渡大学在读博士生——王虓的Talk将准时在TechBeat人工智能社区开播！他与大家分享的主题是: “如何利用合作对抗学习来提升自监督学习”，届时将介绍一种端到端训练的可学习的正负样本来训练编码器。
Talk·信息
主题：如何利用合作对抗学习来提升自监督学习
嘉宾：普渡大学在读博士生 王虓
时间：北京时间 8月4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/5RpDGe6R浏览器，一键完成预约！上线后会在第一时间收到通知哦 、
Talk·介绍
近年来深度学习高速发展，给人工智能领域带来了巨大的变革。其中全监督学习的成功极大的依赖于大量有标注数据，而这些有标注数据往往需要大量的人工成本去标注。为了解决这个问题，自监督学习应运而生，其中代表性的方法对比学习取得了巨大的成功。对比学习通过训练编码器识别正负样本来达到表征学习的目的，因此正负样本的数量和质量对于性能至关重要。为了解决这个问题，我们将分享一种端到端训练的可学习的正负样本来训练编码器。通过对抗性的负样本学习，合作性的正样本学习，我们在过多不增加计算成本的基础上达到了目前最好的自监督学习性能。
具体分享提纲如下：
1. 自监督发展简史及代表方法回顾
2. 基于样本对抗的自监督方法AdCo
3. 基于样本合作与对抗并存的自监督方法CaCo
Talk·预习资料
https://github.com/maple-research-lab/AdCo
https://arxiv.org/abs/2011.08435
https://github.com/maple-research-lab/CaCo
https://arxiv.org/abs/2203.14370
[1] Hu, Q.*, Wang, X.*, Hu, W., & Qi, G. J. (2021). Adco: Adversarial contrast for efficient learning of unsupervised representations from self-trained negative adversaries. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 1074-1083).
[2] Wang, X., Huang, Y., Zeng, D., & Qi, G. J. (2022). CaCo: Both Positive and Negative Samples are Directly Learnable via Cooperative-adversarial Contrastive Learning. arXiv preprint arXiv:2203.14370.
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
普渡大学在读博士生
王虓，普渡大学计算机系在读博士生。本科毕业于西安交通大学计算机系，博士就读于普渡大学计算机系。曾在Facebook AI Research (FAIR), Jingdong AI Research (JAIR) 和华为北美人工智能实验室实习。
曾获NSF MolSSI Fellowship, 蒋震海外研究生奖学金，西安交通大学学生标兵等荣誉。在机器学习、智能交通和生物信息等领域于国际顶级学术会议和期刊发表论文20余篇。担任NurIPS, CVPR, ICCV, ECCV等国际学术会议审稿人，IEEE T-PAMI, IEEE TIP, Pattern Recognition, Bioinformatics, IEEE T-ITS, IEEE TMM, ACM KDD, IEEE Intelligent Systems, Frontiers in Bioinformatics等国际期刊审稿人。
个人主页：
https://wang3702.github.io/
长按识别二维码，一键预约TALK！
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
