Talk预告 | 斯坦福大学姚骅修: 如何提升元学习的泛化能力? 结构化与数据增强
本期为TechBeat人工智能社区第353期线上Talk。
北京时间10月28日(周四)晚8点，斯坦福大学博士后研究员——姚骅修的Talk将准时在TechBeat人工智能社区开播！
他与大家分享的主题是: “如何提升元学习的泛化能力? 结构化与数据增强”，届时将讨论元学习潜在的挑战以及一些未来研究方向。
Talk·信息
主题：如何提升元学习的泛化能力?
结构化与数据增强
嘉宾：斯坦福大学博士后研究员
姚骅修
时间：北京时间 10月28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/YoXYY279至浏览器，一键完成预约！上线后会在第一时间收到通知哦~
为了使机器学习算法具备快速学习的能力，元学习近年来取得了广泛的关注并且已经在诸如图像分类、问答系统和健康风险预测等多种应用中取得了显着的成功。然而，任务的异质性和对训练任务的过拟合限制了当前元学习的泛化能力。 在本次Talk中，嘉宾将首先介绍两个提高元学习泛化能力的一般规则：结构化与数据增强。然后，嘉宾将介绍使用每个规则的几个具体实例，包括连续结构化任务的算法，克服任务过拟合简单方法以及几个实际应用。最后，嘉宾将讨论潜在的挑战以及一些未来研究方向。
1. 元学习的背景介绍
2. 关于元学习泛化性的研究动机
3. 任务结构挖掘算法介绍
4. 任务增强算法介绍
5. 总结与展望
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！
Hierarchically Structured Meta-learning
https://arxiv.org/abs/1905.05301
Automated Relational Meta-learning
https://arxiv.org/abs/2001.00745
Improving Generalization in Meta-learning via Task Augmentation
https://arxiv.org/abs/2007.13040
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
斯坦福大学博士后研究员
姚骅修，现为斯坦福大学计算机科学系与人工智能实验室博士后研究员，合作导师为Chelsea Finn。他博士毕业于宾夕法尼亚州立大学，并曾作为访问学生访问卡耐基梅隆大学的机器学习系，与Eric Xing合作。博士期间曾多次担任顶级会议KDD, AAAI, IJCAI教学讲座的演讲者，获得领域内广泛好评。同期曾在滴滴人工智能实验室，腾讯人工智能实验室，阿里巴巴达摩院，Salesforce研究院，亚马逊从事研究工作，并获得宾夕法尼亚州立大学杰出科研奖，AI华人新星百强等奖项。目前，他的研究工作主要集中于如何在分布变化的情况下提升机器学习模型的泛化能力和鲁棒性，同时致力于机器学习在医疗，智慧城市，自然语言处理上的应用。
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
