报告时间：11月10号（周四）下午4：00
主持人：吴炜
腾讯会议号：105-419-272
题目：自动的、高效的、可解释的深度学习模型构建的研究
摘要：随着深度学习的发展和数据爆炸式增长，深度学习模型被应用于不同的应用场景。当前的大多深度学习模型大多由专家仅依据模型在任务和数据的性能、基于经验、反复尝试设计出来的。因此深度学习模型设计繁琐，费时费力；模型搜索计算复杂，对硬件计算资源依赖度高；且模型解释不清，推理过程缺乏直观解释。受此启发，申请人围绕深度学习模型开展基础理论研究和工程实践，聚焦在深度学习模型构建的自动化、高效率以及可解释性三个关键科学问题，研究重点包括：1）针对深度学习模型设计繁琐的问题，提出了自动化深度学习模型构建方法，缓解了繁杂的网络设计过程；2）针对深度神经网络搜索计算复杂的问题，提出了高效的神经网络结构搜索方法，提升了低配置硬件环境下的搜索效率；3）针对深度学习模型解释不清的问题，设计了可解释的深度学习模型设计，明晰了推理过程与结果。从而自动地、高效地建立可解释的深度学习模型以适配不同的应用场景。
个人简介: 张淼，博士。丹麦奥尔堡大学计算机学院助理教授。主要从事机器学习和人工智能方向，涉及领域包括自动机器学习（AutoML），深度学习，贝叶斯优化，知识蒸馏，可解释人工智能。主持及参与欧美多个国家级科研项目，研究成果应用到了美国国防部、澳大利亚AtCor公司、丹麦电力系统中。发表相关论文30余篇，其中一作发表CCF A类会议或IEEE/ACM汇刊10余篇，包括IEEE TPAMI，ICML，NeurIPS，CVPR，IJCAI等。长期担任ICML, NeurIPS, ICLR, CVPR, ECCV, IJCAI, AAAI, IEEE TIP, IEEE TNNLS, IEEE TKDE等顶级会议和期刊PC Member或审稿人。
