报 告 人：于剑 教授，，北京交通大学

报告时间：10月23日（周五）10:00

报告所在：腾讯聚会ID：687 579 018

邀 请 人：马丽艳 副研究员

报告摘要：

在大数据时代，，因应用需求的驱动，，大宗新机械学习要领一直爆发。。。。。 这些新算法理论依据各异，，相互之间的关系极其重大，，对学习算法的使用者要求极高。。。。。可是，，儿童的学习能力虽高，， 却不可掌握现今机械学习的理论。。。。。是否能够提出一套切合人类认知的机械学习理论，，是目今一个亟待解决的问题。。。。。本次报告试图提出一个统一基于认知的机械学习正义化框架，，其基本假设是：归哪类，，像哪类
；
；像哪类，，归哪类。。。。。该机械学习理论可以推演出归类要领的三条设计原则，，以统一的方法重新诠释了数据降维、密度预计、回归，，聚类和分类等问题，，并且与一样平常生涯中的认知原则一致。。。。。

报告人简介:

于剑，，博士，，现任北京交通大学人工智能研究院院长，，二级教授，，交通数据剖析与挖掘北京市重点实验室主任，，北京大学数学科学学院获学士、硕士和博士学位。。。。。2004年加入CCF，，2018年中选CCF会士，，现任CCF人工智能与模式识别专业委员会主任。。。。。著有学术专著《机械学习：从正义到算法》。。。。。