本期为TechBeat人工智能社区第354期线上Talk，也是上海人工智能实验室「AI青年学术论坛」第九期直播活动。

北京时间11月3日(周三)晚8点，美国莱斯大学副教授、AIPOW联合创始人兼首席科学家——胡侠将带来主题为“基于信息瓶颈的深度学习可解释性算法和应用”的报告，届时将讨论一种新的训练方法使DNN的解释规范化。

欢迎感兴趣的朋友锁定直播！

直播信息

分享主题：基于信息瓶颈的深度学习可解释性算法和应用

分享嘉宾：美国莱斯大学副教授、AIPOW联合创始人兼首席科学家胡侠

活动时间：北京时间11月3日 (周三) 20:00-21:00

活动地点：腾讯会议、B站直播间（http://live.bilibili.com/22183939）

活动议程：

• 嘉宾Talk分享—50min

• 互动抽奖

• Free Q&A—15min

加入腾讯会议及“AI青年学术论坛”活动群

添加工作人员小将微信

备注“直播-姓名-title”，title可以是“公司-职位”或者“高校-专业”

报名截至：北京时间11月3日(周三)下午16点

Talk·提纲

虽然深度神经网络(DNN)在许多下游应用中表现卓越，但因其缺乏可解释性而受到批评，经常被视为黑盒子。正是由于DNN模型无法详细地解释预测是如何建立的，所以其透明度受到了限制，很难在使用者间建立信任。

在本次Talk中，嘉宾将从建模和应用的角度提出一个生成DNN可解释性的系统框架，旨在解决可解释性机器学习中的两大主要技术挑战：

可靠性（faithfulness）和可理解性（understandability）。

具体来说，为了保证事后解释的可靠性，嘉宾将介绍如何利用特性反演（feature inversion）和加性分解（additive decomposition）技术来解释两种经典的DNN体系结构：卷积神经网络和递归神经网络的预测。此外，为了开发出更易于理解的解释型DNN模型，嘉宾将提出一种新的训练方法使DNN的解释规范化。

Talk·嘉宾介绍

胡侠博士，现任美国莱斯大学副教授， AIPOW联合创始人兼首席科学家。长期从事数据挖掘、机器学习和人工智能研究，在包括ICLR, NeurIPS, KDD、 WWW、SIGIR在内的相关顶级国际会议及期刊发表论文100余篇，他引超过10,000次。其主导开发的开源系统AutoKeras成为最常用的自动机器学习框架之一（超过8000次star及1000次fork），开发的NCF算法及系统（单篇论文他引2500余次）成为主流人工智能框架TensorFlow的官方推荐系统，主导开发的异常检测系统在通用、Trane、苹果等公司的产品中得到广泛应用。他曾获包括WWW, WSDM, INFORM等顶级会议最佳论文(提名)，美国国家科学基金委杰出青年奖，IEEE Atluri学者奖，亚利桑那州立大学校长奖等，现担任ACM TIST、Big Data副主编，DMKD编委，曾担任信息检索领域顶级国际会议WSDM 2020大会主席。他的研究工作曾经被包括MIT Technology Review, ACM TechNews, New Scientist, Defense One在内的国际主流媒体广泛报道。

个人主页：

https://cs.rice.edu/~xh37/index.html

Talk·提问交流

直播中被嘉宾pick回答，将获得微信现金红包奖励哦！

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