讨论会
经历了寒冷的一周,
转眼离寒假只有一个月了,
大家是否已经看到了放假的曙光?
不过我知道你们一定看见了 ——
期末考的曙(凄)光(惨)
但寒冷的天气阻止不了会员们来听seminar的热情!上周末举行的AIClub本学期第二次seminar上座率依然很高~
四位来自HCP实验室的师兄师姐向到场的同学们分享了一些自己的科研工作和学科前沿知识。毫无疑问讨论会全程当然是干货满满,师兄师姐们用通俗的语言让我们了解了深奥的知识,并向我们分享了他们的理解和感受。台下的同学们认真地听讲,并向分享者提出了自己的疑问和想法。在一来一回的交流中,小编感受到了暖暖的学术氛围!
分享环节结束后,又进行了poster展示的环节,实验室师兄师姐们将自己的科研工作做成poster向俱乐部会员进行说明和介绍。和师兄师姐们聚在一起看poster并讨论,会员们踊跃提问,师兄师姐们积极回答~会员们都感觉收获颇丰~
你认真听分享的样子最好看~
想知道师兄师姐们到底分享了什么?
先来和小编一起了解一下本次分享的四个主题吧!
论如何迅速了解新知识?
只看这些主题,你的感觉是不是这样?
(弥天大雾)
那就往下看叭!
许琳 端到端的基于知识推理的对话系统
实验室许琳师姐带来了对话系统相关的知识分享,并讲解了自己的研究成果,许琳师姐的论文已经被AAAI2019接收并将做oral展示。
许琳师姐就对话系统的历史,研究意义,大体框架和个人研究成果几个方面进行了生动而深入的讲解。
许琳师姐在讲解对话系统面临的挑战
首先许琳师姐对对话系统做了简单的介绍,并回顾了对话系统的发展历史,讲解了对话系统研究的重要意义和价值,对话系统能够帮助我们从繁琐的界面操作中解放出来通过语音交互直接完成任务。接下来许琳师姐讲解了目前对话系统领域所面临的一系列挑战比如语言的多样性,决策的困难以及生成拟人化语言的难度等。之后许琳师姐就对话系统的主要类型和现有框架进行了分享。最后许琳师姐重点分享了自己的研究领域:医疗自诊断对话系统,对于使用到的技术,所用网络的架构,知识图谱的嵌入方法,训练的详细步骤等进行了十分详细的分析和讲解。
许瑞嘉 迁移学习领域的概述以及进展分享
许瑞嘉师兄带来的是迁移学习领域的概述讲解以及领域前沿进展的分享。
许瑞嘉师兄分享中
首先师兄讲解了迁移学习注意研究的问题,以及学术界中对于迁移学习领域的常见研究类型。之后师兄从迁移学习理论误差上界的推导出发讲解为什么迁移学习是可学习的,并根据误差上界中各个部分的组成,讲解了如何设计相应的网络框架,来降低各部分的误差从而得到较好的迁移学习的结果。接下来师兄主要讲解了迁移学习中领域自适应问题的三大类型即instance-level,pixel-level以及feature-level的相关问题,可谓干货满满!
吴洋鑫 实例级别的人体细粒度语义分割
吴洋鑫师兄给大家带来了实验室发表的实例级别的人体细粒度语义分割的论文讲解,师兄针对什么是实例级别的语义分割,相关挑战以及问题,相关技术和网络,论文创新点等方面做了详细的讲解。
吴洋鑫师兄在分享中
首先师兄讲解了什么是细粒度语义分割以及在实例级别的情况,在实例级别,我们希望能够识别出不同的部分所属的个体。接下来讲了诸如图片的不同视角,光照不同条件,实例的不同数量以及数据的缺乏等该领域遇到的诸多问题。之后师兄讲解了该领域的相关技术例如Mask RCNN等。之后师兄详细分享了实验室所发表的论文中所使用的网络技术和启发思想,使用两个分支网络对于任务进行分解,并且针对实际结合宽度优先搜索等传统的算法来提升效果。除此之外还介绍了实验室所创建的开源数据集CIHP,鼓励实验室会员前往下载并进行实战尝试提高最好成绩。
(此处打个广告哈哈哈哈哈)
欢迎大家来开源数据集CIHP进行实验~
张俊怡 GloMo 迁移学习新范式讲解
张俊怡师兄为大家讲解了迁移学习领域最近比较引人关注的GLoMo论文,该论文由Facebook AI实验室卡耐基梅隆大学,纽约大学以及Google联合发表,提出了迁移学习的一种新的范式。
张俊怡师兄在讲解
师兄从什么是迁移学习讲起,讲解了传统迁移学习方法和GLoMo方法的差异以及GLoMo方法的创新点和贡献,该论文打破了基于特征的深度迁移学习的标准化规范,定义了一种全新的迁移学习的范式,提出了一种新的无监督隐藏图的学习框架,使用数据驱动的方式学习数据中的通用结构。师兄还对论文中涉及的无监督关系型图学习,隐式图迁移等技术进行了分享。
几位师兄师姐的分享结束后,进行了poster展示的环节~
用于展示的poster:
从中会员们了解到了实验室最新的研究成果~
大家聚在一起交流
后
当当当然又是最令人期待的合照环节啦!
让我们期待下一次的会面叭~