0
本文作者: AI研習(xí)社 | 2018-10-30 09:20 |
雷鋒網(wǎng)AI研習(xí)社訊:機(jī)器學(xué)習(xí)模型現(xiàn)在已經(jīng)廣泛應(yīng)用在越來(lái)越多的領(lǐng)域比如地震監(jiān)測(cè),闖入識(shí)別,高頻交易;同時(shí)也開(kāi)始廣泛的應(yīng)用在移動(dòng)設(shè)備中比如通過(guò)邊緣計(jì)算。這些真實(shí)世界的應(yīng)用在原有的模型精度基礎(chǔ)之上帶來(lái)很多實(shí)際約束比如預(yù)測(cè)要在很短或規(guī)定時(shí)間內(nèi)完成。所以這樣的應(yīng)用要求機(jī)器學(xué)習(xí)模型能夠同時(shí)優(yōu)化預(yù)測(cè)精度和時(shí)間。本研究提出一個(gè)通用的理論框架來(lái)實(shí)現(xiàn)預(yù)測(cè)精度和速度的最優(yōu)權(quán)衡。這一權(quán)衡可以通過(guò)選擇最優(yōu)的特征選擇實(shí)現(xiàn),比如我們傾向于選擇能保證高精度卻又帶來(lái)較少計(jì)算量的特征。但是特征計(jì)算過(guò)程中廣發(fā)存在的計(jì)算依賴和冗余,這導(dǎo)致我們對(duì)其加以建模并在優(yōu)化過(guò)程中精確的考慮它們。這樣建立的整體模型是一個(gè)高度非凸并且離散的問(wèn)題。對(duì)此,本文提出有效的等價(jià)及近似問(wèn)題,并且提出新的基于非凸ADMM的方法及其相應(yīng)的收斂性分析。本研究的代碼及數(shù)據(jù)現(xiàn)均已公開(kāi)。
分享主題
預(yù)測(cè)時(shí)間敏感的機(jī)器學(xué)習(xí)模型建模與優(yōu)化
分享嘉賓
趙亮,現(xiàn)為美國(guó)喬治梅森大學(xué) (George Mason University)信息科學(xué)與工程學(xué)院助理教授。他于2016年于弗吉尼亞理工大學(xué)獲博士學(xué)位。他的科研方向主要為,大數(shù)據(jù)挖掘及機(jī)器學(xué)習(xí),具體領(lǐng)域有稀疏特征學(xué)習(xí),社會(huì)實(shí)踐預(yù)測(cè),文本挖掘,分布式非凸優(yōu)化, 網(wǎng)絡(luò)的深度學(xué)習(xí),可解釋機(jī)器學(xué)習(xí),多任務(wù)及遷移學(xué)習(xí)等。他獲得2018美國(guó)自然科學(xué)基金CRII Award。他于2016年被微軟搜索列為全球二十大學(xué)術(shù)新星之一。他在頂級(jí)期刊和會(huì)議發(fā)表論文40余篇,包括ACM KDD, IEEE TKDE, AAAI, IJCAI, IEEE ICDM, ACM CIKM, and WWW. 他曾擔(dān)任空間數(shù)據(jù)庫(kù)領(lǐng)域著名會(huì)議SSTD 2017的專家小組主席, co-chair of LENS workshop at SIGSPATIAL 2018, 以及program committee of ACM KDD 2018, AAAI 2019, SDM 2019, IEEE ICDM 2018, 和IEEE ICDM 2017. 他曾擔(dān)任十余個(gè)著名期刊的評(píng)審工作,比如 ACM TKDD, IEEE TKDE, KAIS, IJGIS, TBD, TIST, 和TMIS.
分享時(shí)間
北京時(shí)間10月30日(周二) 10:00
錯(cuò)過(guò)直播不要緊,回放視頻上傳后也能看哦~
直播鏈接
http://www.mooc.ai/open/course/586
想了解更多雷鋒網(wǎng) AI 研習(xí)社直播?
歡迎移步雷鋒網(wǎng) AI 研習(xí)社社區(qū)~
雷峰網(wǎng)版權(quán)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。