姜阳邦彦，中国科学院大学博士后、特别研究助理，入选中国图象图形学学会博士学位论文激励计划、中国科学院优秀博士学位论文、ACM中国SIGMM优秀博士学位论文。研究方向为计算机视觉与机器学习，先后在TPAMI、TIP、NeurIPS、AAAI、ACM MM等CCF-A类国际期刊/会议发表论文20余篇；担任NeurIPS、ICML、ICLR、AAAI、CVPR、ICCV及TPAMI、TKDE等国际会议/期刊审稿人，主持国家自然科学基金青年基金、CCF-深信服“远望”科研基金、博士后面上基金等项目。先后获得吴文俊人工智能科技进步二等奖、微软学者奖学金（亚太地区共12人）、首都前沿学术成果奖、中国科学院朱李月华优秀博士生奖、中国科学院院长优秀奖、中国科学院信息工程研究所所长特别奖等奖励，及ICML 2022/NeurIPS 2020 Top-10%审稿人称号。

报告题目：理论启发的标签缺失机器学习算法

报告摘要：半监督学习、无监督学习等标签缺失场景下的机器学习范式是解决数据标注成本高昂问题的主要手段之一。尽管现有方法取得了一定进展，但在复杂数据处理、泛化理论保障以及学习稳定性等方面仍存在不足。本报告将以理论启发为主线，从数据建模、理论分析、算法实现三个层面系统阐述报告人近年来在该领域的研究进展：数据层面，针对数据中混杂异常样本等问题，提出一系列无监督异常检测方法，增强复杂数据应对能力；理论层面，针对主流深度半监督算法作用机理不明确、缺乏理论支撑问题，构建通用半监督泛化误差上界，在具有理论支撑前提下推广现有主流方法；方法层面，针对现有PU方法学习稳定性欠佳问题，提出基于全局标签分布对齐的PU学习方法，有效避免潜在预测偏差，稳定训练过程。通过构建明确的理论度量与目标函数，上述研究可避免经验驱动的盲目性，提升模型的可解释性和稳定性，从而更好地适应复杂且缺乏标签的实际环境。

直播时间

9月30日（星期二）19:00-20:00

学会官方视频号：

欢迎关注CSIG官方视频号，观看直播

学会B站直播间：

腾讯会议室

会议号：784-5244-3587

请添加会议官方微信：CSIG_1990，备注“云讲堂+会员号+姓名”获取入群邀请