Talk预告 | 悉尼科技大学在读博士生吕月明分享NeurlPS工作：高效黑盒积分近似和优化

2021-02-23 10:35 作者:TechBeat人工智能社区 0人读过 | 我要投稿

本周为TechBeat人工智能社区第279期线上Talk，也是NeurIPS 2020系列Talk的第11弹！

北京时间2月24日(周三)晚8点，悉尼科技大学在读博士生—吕月明的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的NeurIPS 2020工作主题是: “高效黑盒积分近似和优化”。届时将探讨积分近似和优化的内在联系，从黑盒积分近似和黑盒优化这两部分内容展开详细讲述。

Talk·信息

▼

主题：高效黑盒积分近似和优化

嘉宾：悉尼科技大学在读博士生吕月明

时间：北京时间 2月24日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

长按识别二维码，一键完成预约！

Talk·提纲

▼

黑盒积分近似和黑盒优化在科学实验和工程设计上有广泛应用。在机器学习领域，积分近似和黑盒优化也有许多重要的应用场景。比如，积分近似可以应用在kernel method的核函数近似上，从而降低kernel method 如高斯过程的计算复杂度。核函数近似思想也被用于建立kernel method和神经网络的联系，以便进行神经网络理论分析，比如最近的neural tangent kernel一系列工作。另外黑盒优化可以应用在超参调节，黑盒攻击等领域也提供了这些应用的理论基础。

本次分享的主要内容如下：

1. 积分近似和优化的内在联系讲述

2. 黑盒积分近似内容讲述

3. 黑盒优化内容讲述

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！

Lyu et al. Subgroup-based Rank-1 Lattice Quasi-Monte Carlo（NeurIPS 2020）
Yueming Lyu Spherical structured feature maps for kernel approximation（ICML 2017）
Lyu et al. Black-box Optimizer with Implicit Natural Gradient. Preprint.

https://arxiv.org/pdf/1910.04301.pdf
Lyu et al. Efficient Batch Black-box Optimization with Deterministic Regret Bounds. Preprint.

https://arxiv.org/pdf/1905.10041.pdf

Talk·提问交流

▼

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，说不定就被讲者直接翻牌解答了呢！

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！问题被选中的小伙伴们将获得一个红包奖励！

Talk·嘉宾介绍

▼

吕月明是悉尼科技大学在读博士生，师从 Ivor W. Tsang，本科硕士均毕业于华南理工大学计算机学院。曾作为SPC/PC/Reviewer学术服务于IJCAI、AAAI、AISTATS、ICML、NeurIPS、ICLR等。他的研究方向是统计机器学习和优化，主要集中在近似理论、核函数方法、learning theory、黑盒优化、鲁棒性学习等。曾在 ICML、 NeurIPS、 ICLR 上以第一作者发表相关论文。